📌 Famiglie geniche distintive di Bacteria e Archaea

🧬 Stabilizzazione di Bacteria e Archaea: dalle famiglie geniche distintive al radicamento evolutivo

La distinzione tra Bacteria e Archaea non dipende dalla presenza di un singolo gene capace di separare nettamente i due domini. Emerge invece dalla distribuzione di migliaia di famiglie geniche, dalla loro integrazione in complessi molecolari e dalla progressiva formazione di dipendenze reciproche. Alcune famiglie sono condivise da tutta la vita cellulare; altre risultano caratteristiche di un dominio, di un phylum o di un lignaggio più ristretto. Stabilire quali siano realmente esclusive è difficile, perché un’assenza apparente può derivare da perdita evolutiva, divergenza estrema, sostituzione funzionale o incompletezza del campionamento. Il problema scientifico non consiste quindi nel compilare due elenchi separati di geni, ma nel comprendere come determinate combinazioni siano diventate stabili, difficili da sostituire e capaci di conservare l’identità dei due domini nonostante mutazioni, estinzioni e trasferimenti genetici. È in questo passaggio dalla famiglia isolata alla rete cellulare che la divergenza diventa una struttura evolutiva persistente.

🌐 Dalla divergenza alla firma genomica

La separazione generale tra la linea batterica e quella archaeale è stata affrontata nei capitoli precedenti attraverso le differenze nei sistemi informazionali, nella bioenergetica, nelle membrane e nelle modalità di interazione con l’ambiente. Il passaggio successivo richiede un cambio di scala: non osservare più soltanto singoli apparati cellulari, ma confrontare l’intero repertorio genico di numerosi organismi.

La base cellulare ancestrale condivisa dai due domini verrà esaminata in una sezione autonoma. In questo capitolo il punto di partenza è successivo e più circoscritto: Bacteria e Archaea possiedono sistemi molecolari riconoscibili come distinti, ma tale distinzione deve essere tradotta in criteri genomici verificabili.

Ogni genoma può essere rappresentato come un insieme di famiglie geniche. Confrontando molti genomi, i ricercatori costruiscono una matrice nella quale le righe rappresentano gli organismi e le colonne rappresentano le famiglie. Per ogni incrocio si registra se una determinata famiglia è presente, assente o rappresentata da più copie.

In forma semplificata:

Mij = 1 quando la famiglia genica j viene rilevata nel genoma i.

Mij = 0 quando la famiglia non viene rilevata.

Una matrice di questo tipo non descrive direttamente la funzione dei geni, ma rende osservabile la loro distribuzione filogenetica. Alcune colonne risultano occupate in quasi tutti i genomi; altre soltanto nei batteri, negli archaea o in un gruppo più ristretto. Il pattern complessivo diventa una firma genomica.

La firma non deve essere interpretata come un codice a barre immutabile. Cambia quando vengono aggiunti nuovi organismi, quando migliorano gli assemblaggi genomici o quando una sequenza precedentemente classificata come unica viene riconosciuta come membro molto divergente di una famiglia già nota.

Un dominio biologico non è quindi definito da una lista definitiva di elementi esclusivi. È riconosciuto attraverso la convergenza di più segnali:

• sequenze omologhe conservate;
• famiglie assenti o rare nell’altro dominio;
• duplicazioni caratteristiche;
• complessi molecolari organizzati in modo specifico;
• contesti genomici ricorrenti;
• distribuzioni coerenti con la filogenesi;
• interazioni funzionali che legano tra loro le diverse componenti.

🧩 Universale, caratteristico o realmente esclusivo

Il termine “famiglia genica esclusiva” sembra indicare una categoria netta, ma nella genomica comparata comprende situazioni differenti. Separarle è necessario per evitare di trasformare una distribuzione osservata in una conclusione storica non dimostrata.

Una famiglia universale è presente, con omologhi riconoscibili, in Bacteria, Archaea ed eventualmente negli eucarioti. La sua diffusione suggerisce un’origine molto antica, ma non implica che la struttura, la regolazione e la funzione siano rimaste identiche.

Il core di dominio comprende famiglie presenti in tutti o quasi tutti i rappresentanti campionati di un dominio. Una famiglia del core archaeale può essere condivisa anche con altri domini: “core” indica la frequenza interna al gruppo, non l’esclusività esterna.

Il soft core comprende famiglie presenti nella grande maggioranza dei genomi, ma assenti da alcune linee. Le assenze possono essere biologiche oppure dipendere da genomi incompleti, annotazioni errate o divergenza eccessiva.

Una famiglia dominio-preferenziale è molto più frequente in un dominio rispetto all’altro. Questa categoria è spesso più realistica dell’esclusività assoluta, perché tiene conto dei trasferimenti genici e delle eccezioni.

Una famiglia dominio-distintiva contribuisce a riconoscere un dominio per distribuzione, struttura o associazione funzionale. Può non essere presente in ogni organismo e può possedere omologhi remoti altrove.

Una famiglia specifica di clade è condivisa soltanto da un phylum, una classe, un ordine o un gruppo più ristretto. Può registrare una transizione avvenuta dopo la formazione del dominio e contribuire alla diversificazione interna.

Il genoma accessorio comprende geni presenti soltanto in una parte delle popolazioni. È frequentemente associato all’adattamento ecologico, all’acquisizione di nutrienti, alla difesa, alla resistenza agli stress e alle interazioni con virus o altri microrganismi.

Un gene orfano non possiede omologhi riconoscibili nei database considerati. Può rappresentare una vera innovazione, una sequenza evolutivamente molto rapida, un gene erroneamente predetto o una regione derivata da elementi mobili.

Una proteina ipotetica conservata è prevista da un gene reale e compare in più organismi, ma non possiede ancora una funzione sperimentalmente definita. Il termine “ipotetica” riguarda la funzione, non l’esistenza della sequenza.

Queste categorie non sono immobili. Una proteina inizialmente classificata come orfana può diventare specifica di clade quando vengono sequenziati organismi affini; una famiglia considerata esclusiva può diventare dominio-preferenziale dopo la scoperta di un omologo remoto.

Pietra miliare — la firma non è un singolo marchio

L’identità genomica di Bacteria e Archaea non è contenuta in un gene isolato. Emerge dal profilo combinato di famiglie universali, core, preferenziali, specifiche di clade e accessorie. La forza del segnale dipende dalla coerenza dell’intero pattern, non dall’assolutezza di ogni singola presenza o assenza.

🔬 Come si riconosce una famiglia genica

I geni non vengono raggruppati in famiglie soltanto perché svolgono funzioni simili. Due proteine possono catalizzare la stessa reazione senza derivare da un antenato comune, mentre due proteine omologhe possono avere acquisito funzioni differenti. La classificazione richiede quindi la combinazione di più criteri.

Il primo livello è la similarità di sequenza. Le proteine vengono confrontate sulla base dell’ordine degli amminoacidi. Una somiglianza estesa e statisticamente significativa suggerisce un rapporto di omologia, ma non stabilisce automaticamente se le sequenze siano ortologhe o paraloghe.

Gli ortologhi derivano dalla separazione di linee cellulari o di specie. I paraloghi derivano invece dalla duplicazione di un gene. La distinzione è essenziale: confrontare copie paraloghe come se fossero equivalenti può produrre ricostruzioni evolutive errate.

Una semplice ricerca di similarità può fallire quando le sequenze sono molto antiche e divergenti. Per aumentare la sensibilità vengono utilizzati profili statistici, spesso costruiti mediante modelli di Markov nascosti. Il profilo non cerca una sequenza identica, ma una combinazione di posizioni conservate, sostituzioni tollerate, inserzioni e delezioni caratteristiche di una famiglia.

Il confronto viene poi esteso ai domini proteici. Una proteina può essere formata da più moduli evolutivi, ciascuno dotato di una propria storia. Due proteine possono condividere un dominio catalitico ma differire nelle regioni regolative o nelle superfici di interazione.

La struttura tridimensionale fornisce un ulteriore livello. La sequenza può cambiare profondamente mentre il ripiegamento generale rimane riconoscibile. Il confronto strutturale permette quindi di individuare omologie profonde che non emergono più chiaramente dall’allineamento lineare degli amminoacidi.

Il contesto genomico aiuta a distinguere sequenze ambigue. Se un gene compare ripetutamente accanto alle stesse famiglie, all’interno dello stesso operone o dello stesso sistema molecolare, la conservazione della posizione rafforza l’ipotesi di una funzione e di un’origine comuni.

Gli alberi genici permettono infine di confrontare la storia della famiglia con quella degli organismi. Una discordanza può indicare duplicazioni, perdite, trasferimenti orizzontali, errori di ricostruzione o campionamento insufficiente.

Una classificazione robusta combina pertanto:

• similarità di sequenza;
• profili di famiglia;
• architettura dei domini;
• struttura tridimensionale;
• contesto genomico;
• alberi filogenetici;
• dati sperimentali sulla funzione.

Nessuno di questi strumenti è infallibile. Il risultato finale è un’inferenza sostenuta da più linee indipendenti di evidenza.

⚠️ I falsi segnali di esclusività

Una famiglia osservata soltanto negli archaea o soltanto nei batteri può essere realmente comparsa dopo la separazione dei domini. Tuttavia, la medesima distribuzione può essere prodotta da processi differenti. La genomica comparata deve quindi distinguere l’innovazione reale dall’esclusività apparente.

Primo caso: perdita differenziale. Una famiglia può essere stata presente in entrambe le linee ancestrali e successivamente eliminata da uno dei due domini. Osservando soltanto i discendenti moderni, una perdita completa può essere confusa con una nuova origine.

Secondo caso: divergenza estrema. Due proteine possono derivare da una stessa sequenza antica, ma aver accumulato modificazioni sufficienti a cancellare quasi completamente la similarità riconoscibile. In questo caso l’omologia esiste storicamente, ma rimane invisibile ai metodi meno sensibili.

Terzo caso: sostituzione genica non ortologa. La stessa funzione può essere svolta da proteine prive di una parentela riconoscibile. Un dominio conserva una famiglia, mentre l’altro utilizza una soluzione molecolare differente. La funzione è universale, ma il gene non lo è.

Quarto caso: campionamento incompleto. Molte linee microbiche non sono state coltivate e sono conosciute soltanto attraverso frammenti metagenomici. Un omologo può esistere in organismi non ancora sequenziati oppure trovarsi nella parte mancante di un genoma incompleto.

Quinto caso: errore di annotazione. Sequenze molto brevi, geni con introni atipici, regioni ripetute o assemblaggi frammentati possono essere interpretati in modo errato. Un gene reale può non essere riconosciuto, mentre una regione non codificante può essere classificata impropriamente come gene.

Sesto caso: contaminazione. Un frammento proveniente da un altro organismo può essere inserito per errore in un assemblaggio genomico. Una singola presenza anomala non dimostra quindi un trasferimento genetico né l’esistenza naturale della famiglia nel gruppo analizzato.

L’esclusività deve essere considerata tanto più attendibile quanto più:

• il campione comprende linee filogeneticamente diverse;
• i genomi sono completi e privi di contaminazione;
• la famiglia viene riconosciuta mediante metodi sensibili;
• la distribuzione è coerente con gli alberi filogenetici;
• il contesto genomico è conservato;
• la funzione viene verificata sperimentalmente.

Il problema non è puramente terminologico. Se una famiglia è realmente nuova, testimonia un’innovazione avvenuta lungo una linea. Se è il risultato di una perdita, racconta invece la riduzione di un patrimonio precedente. Se rappresenta una sostituzione non ortologa, mostra che l’evoluzione ha conservato la funzione cambiando completamente lo strumento molecolare.

⚙️ Dalla famiglia genica al modulo molecolare

La presenza di una nuova famiglia non produce automaticamente una nuova identità cellulare. Molti geni acquisiti o duplicati vengono perduti in tempi relativamente brevi perché non forniscono un vantaggio, interferiscono con la fisiologia o risultano ridondanti.

Una famiglia diventa evolutivamente stabile quando entra in un modulo molecolare: un insieme di componenti che cooperano nello svolgimento di una funzione. Il modulo può essere un complesso proteico, una via metabolica, un apparato di riparazione, un circuito regolativo o una struttura cellulare.

L’integrazione richiede diversi livelli di compatibilità.

Compatibilità fisica. Le superfici proteiche devono riconoscersi con sufficiente precisione. Una subunità estranea può possedere la funzione generale corretta ma non adattarsi geometricamente agli altri componenti.

Compatibilità quantitativa. Le proteine devono essere prodotte nelle proporzioni necessarie. Un eccesso o una carenza può compromettere la stechiometria del complesso.

Compatibilità temporale. I geni devono essere attivati nelle fasi corrette della crescita o del ciclo cellulare.

Compatibilità spaziale. Le proteine devono raggiungere la membrana, il cromosoma o il compartimento in cui devono agire.

Compatibilità regolativa. Promotori, repressori, attivatori e segnali metabolici devono inserire il nuovo componente nella rete di controllo dell’organismo.

Compatibilità energetica. Il costo della sintesi e del mantenimento deve essere compensato dal beneficio funzionale.

Quando una famiglia viene integrata, le altre componenti possono modificarsi in risposta alla sua presenza. Si instaura una coevoluzione: cambiamenti in una proteina alterano le pressioni selettive sulle proteine partner.

Il valore evolutivo di una mutazione diventa così dipendente dal contesto. Una sostituzione favorevole o neutra in una determinata configurazione può essere dannosa in un’altra. Questa dipendenza è una forma di epistasi.

L’epistasi non riguarda soltanto l’interazione tra geni differenti. Può avvenire anche tra posizioni della stessa proteina. Una mutazione iniziale modifica la struttura e rende possibili o necessarie mutazioni successive. Dopo molte sostituzioni, il ritorno alla versione originaria può non essere più tollerato.

🔒 Il radicamento evolutivo

Il concetto di radicamento evolutivo, o evolutionary entrenchment, descrive il processo attraverso cui una caratteristica diventa progressivamente più difficile da invertire perché modificazioni successive hanno iniziato a dipendere da essa.

Si può rappresentare il processo in forma semplificata.

Una prima variante A1 sostituisce A0 senza compromettere la funzione.

Successivamente compare B1, che funziona correttamente soltanto in presenza di A1.

Una terza variante C1 si adatta al sistema formato da A1 e B1.

A questo punto il ritorno isolato da A1 ad A0 non ripristina il sistema precedente. Produce invece una configurazione incompatibile con B1 e C1. Per tornare realmente alla condizione iniziale sarebbe necessario invertire simultaneamente più cambiamenti.

Il radicamento non rende l’evoluzione immobile. Crea una dipendenza dalla storia. Le trasformazioni future rimangono possibili, ma devono partire dalla configurazione esistente e rispettarne i vincoli.

Applicato alla separazione tra Bacteria e Archaea, questo modello suggerisce che alcune innovazioni iniziali siano state seguite da:

• modificazioni compensatorie nelle proteine partner;
• nuovi sistemi di regolazione;
• duplicazioni e specializzazioni;
• perdite di componenti diventate ridondanti;
• adattamenti delle vie metaboliche;
• cambiamenti nelle modalità di assemblaggio dei complessi.

Il risultato non sarebbe una barriera costruita in un singolo momento, ma una crescente incompatibilità tra configurazioni molecolari che avevano continuato a evolvere separatamente.

Questa è un’interpretazione teorica sostenuta dai principi dell’epistasi e della coevoluzione proteica. Non è possibile osservare direttamente l’intera sequenza storica che stabilizzò i due domini. È però possibile verificarne le conseguenze nei genomi moderni, nelle strutture molecolari e negli esperimenti di sostituzione o inattivazione genica.

Pietra miliare — dalla differenza alla dipendenza

Una famiglia genica contribuisce alla stabilizzazione di una linea non perché sia isolata o intrinsecamente immutabile, ma perché altre componenti hanno iniziato a dipendere dalla sua presenza. La persistenza nasce dalla rete delle compatibilità costruite nel tempo.

🕸️ Core, periferia e differenti gradi di sostituibilità

I geni di una cellula non possiedono tutti lo stesso peso sistemico. Alcuni partecipano a funzioni centrali e interagiscono con molti partner; altri svolgono compiti più circoscritti e possono essere sostituiti o perduti senza compromettere l’intera organizzazione.

Il core genomico tende a comprendere funzioni mantenute attraverso una lunga discendenza. Il genoma accessorio registra invece una parte più mobile della storia: adattamenti locali, elementi di difesa, sistemi di trasporto e capacità metaboliche non necessarie in ogni ambiente.

La distinzione non è assoluta. Un gene accessorio può diventare indispensabile in una nicchia specifica, mentre un gene generalmente conservato può essere perso in un simbionte che riceve la funzione dal proprio ospite.

La differenza fondamentale riguarda il numero e la natura delle dipendenze.

Un enzima che catalizza una reazione relativamente autonoma può essere integrato con poche modificazioni. Una subunità di un complesso centrale deve invece interagire con molte proteine, essere prodotta nella quantità corretta e inserirsi in una regolazione già esistente.

Questa differenza aiuta a spiegare come Bacteria e Archaea possano scambiare geni senza dissolvere la propria identità. I trasferimenti esistono e possono attraversare la separazione tra i domini, ma l’ingresso di una sequenza non garantisce la sua sostituzione funzionale né la sua conservazione permanente.

La frontiera tra i domini non è dunque una membrana impermeabile al DNA. È una differenza nella struttura delle compatibilità.

Quanto più una famiglia è integrata in un modulo centrale, tanto più il suo trasferimento richiede:

• compatibilità con le subunità native;
• regolazione appropriata;
• corretto dosaggio;
• assenza di interferenze dominanti;
• mantenimento della funzione durante la sostituzione;
• vantaggio selettivo sufficiente a compensare i costi.

Ne deriva una previsione: le famiglie coinvolte nei sistemi maggiormente interconnessi dovrebbero mostrare, in media, maggiore conservazione e minore sostituibilità rispetto alle famiglie periferiche. La previsione è statistica, non assoluta. Esistono eccezioni, duplicazioni e sostituzioni anche nei sistemi centrali.

📊 Caso di studio: le firme archaeali nei dati genomici

I primi tentativi di quantificare una firma genomica archaeale risalgono alla fase iniziale della genomica comparata. Nel 2000 David Graham, Ross Overbeek, Gary Olsen e Carl Woese analizzarono i genomi disponibili e identificarono 351 cluster proteici presenti in almeno due gruppi euryarchaeali e privi, secondo i criteri dell’epoca, di omologhi batterici o eucariotici riconoscibili.

I cluster comprendevano complessivamente 1.149 geni codificanti proteine e costituivano circa il 9–15% dei geni proteici nei genomi euryarchaeali analizzati. Una parte consistente non possedeva una funzione nota.

Il risultato dimostrò che la distinzione archaeale non era concentrata in pochi marcatori ribosomiali. Esisteva un repertorio più ampio di famiglie condivise e potenzialmente caratteristiche del dominio.

Quel numero non rappresenta però un catalogo definitivo. Lo studio disponeva di pochi genomi e di strumenti meno sensibili rispetto a quelli attuali. Alcune famiglie possono essere state successivamente riclassificate, unite ad altre o riconosciute fuori dagli Archaea.

Nel 2007 Kira Makarova e collaboratori costruirono gli arCOG, i gruppi archaeali di geni ortologhi, utilizzando 41 genomi. Il nucleo presente in tutti i genomi esaminati comprendeva 166 arCOG.

Il confronto tra 351 cluster di firma e 166 famiglie del core non deve essere interpretato come una contraddizione. I due studi ponevano domande differenti e utilizzavano campioni e definizioni diverse.

Una famiglia può contribuire alla firma archaeale senza essere presente in ogni archaeon. Viceversa, una famiglia del core può non essere esclusiva degli Archaea.

Il numero del core diminuisce generalmente quando il campionamento si amplia. Ogni nuovo genoma può introdurre un’assenza, una sostituzione o una variante troppo divergente per essere riconosciuta con i criteri precedenti. Per questa ragione i ricercatori distinguono spesso tra core assoluto e soft core.

L’espansione dei database ha trasformato radicalmente la scala del confronto. L’aggiornamento 2024 della banca dati COG, pubblicato nel 2025, ha incluso genomi completi rappresentativi di 2.296 specie procariotiche: 2.103 batteriche e 193 archaeali. Il numero non rappresenta tutta la diversità esistente, ma mostra quanto il campo si sia esteso rispetto ai primi confronti basati su pochi organismi.

🧪 Dalla presenza genomica all’essenzialità sperimentale

La distribuzione di una famiglia non rivela automaticamente la sua funzione né la sua importanza fisiologica. Un gene può essere conservato per ragioni differenti, e una presenza diffusa non dimostra che sia indispensabile in ogni condizione.

Per superare questo limite occorrono esperimenti di inattivazione, sostituzione o mutagenesi sistematica.

Nel 2018 Changyi Zhang e collaboratori analizzarono il genoma dell’archaeon termoacidofilo Sulfolobus islandicus mediante mutagenesi con trasposoni. Il metodo produce numerose inserzioni casuali nel genoma. Se nessun mutante vitale contiene un’inserzione all’interno di un determinato gene, quel gene viene classificato come candidato essenziale nelle condizioni sperimentali adottate.

Lo studio identificò 441 geni essenziali per la crescita nel terreno di coltura utilizzato. Di questi, 178, circa il 40%, appartenevano alle categorie dell’elaborazione dell’informazione: traduzione, trascrizione, replicazione, ricombinazione e riparazione del DNA.

Altri 76 geni essenziali, circa il 17%, risultavano classificati come funzione sconosciuta o soltanto genericamente prevedibile.

Il dato è importante per due ragioni.

In primo luogo, conferma che una parte consistente del nucleo essenziale è costituita da sistemi informazionali altamente interconnessi.

In secondo luogo, mostra che l’essenzialità può essere osservata anche quando il meccanismo molecolare non è ancora compreso. La cellula dipende da componenti delle quali la ricerca conosce la sequenza e la distribuzione, ma non ancora il ruolo preciso.

L’esperimento possiede però limiti espliciti. Un gene classificato come essenziale può in realtà produrre un difetto di crescita tanto grave da impedire il recupero del mutante. Inoltre, l’essenzialità dipende dall’ambiente: un gene indispensabile in un terreno può diventare dispensabile quando il prodotto della sua via viene fornito dall’esterno.

Anche il contrario è possibile. Un gene non essenziale in laboratorio può diventare indispensabile in natura durante stress termici, variazioni di pH, scarsità di nutrienti, attacchi virali o competizione ecologica.

L’essenzialità non è quindi una proprietà assoluta del gene. È una relazione tra gene, organismo e condizioni.

❓ Le proteine ipotetiche e la parte ancora invisibile della divergenza

Nel 2022 Raphaël Méheust e collaboratori analizzarono un insieme di 1.179 genomi archaeali rappresentativi, selezionati da un corpus più ampio di 3.197 genomi. Lo studio definì 10.866 famiglie proteiche archaeali.

La distribuzione di queste famiglie riproduceva in larga misura le principali divisioni filogenetiche del dominio. I diversi gruppi non risultavano distinti soltanto da geni metabolici già conosciuti, ma anche da blocchi di proteine ipotetiche conservate.

Gli autori identificarono 1.411 famiglie ipotetiche associate ai moduli caratteristici dei principali lignaggi. Dopo ulteriori confronti con database di domini e annotazioni, 1.053 famiglie rimanevano prive di una funzione definita.

Queste proteine non possono essere considerate dettagli marginali. La loro conservazione entro linee profonde indica che sono state mantenute dalla storia evolutiva. Alcune possono contribuire a:

• assemblaggio di complessi proteici;
• regolazione dell’espressione genica;
• organizzazione del cromosoma;
• divisione cellulare;
• modificazione di RNA o proteine;
• difesa contro virus ed elementi mobili;
• adattamento a condizioni ambientali specifiche.

Questo elenco rappresenta un insieme di possibilità, non un’attribuzione funzionale. Senza dati sperimentali non è corretto assegnare a una famiglia un ruolo sulla sola base della sua distribuzione.

La genomica comparata può stabilire che una famiglia è antica, conservata e associata a un lignaggio. Non può, da sola, descrivere il meccanismo biochimico con cui quella famiglia contribuisce alla cellula.

Qui emerge uno dei confini più netti della conoscenza attuale: una parte dell’identità archaeale è filogeneticamente visibile ma funzionalmente oscura.

🧭 Una tesi verificabile sulla stabilizzazione dei domini

Il modello proposto può essere espresso in forma falsificabile.

Tesi: le famiglie geniche che hanno contribuito maggiormente alla stabilizzazione di Bacteria e Archaea sono diventate persistenti perché integrate in moduli molecolari interdipendenti. Questa integrazione ha aumentato la selezione purificante, la coevoluzione con altre componenti e il costo della sostituzione.

Se il modello è corretto, ci si attende che le famiglie maggiormente coinvolte nella stabilizzazione mostrino, in media:

• conservazione filogenetica elevata;
• presenza in sistemi cellulari centrali;
• numerose interazioni fisiche o regolative;
• effetti gravi quando vengono inattivate;
• coevoluzione con proteine partner;
• minore probabilità di sostituzione funzionale completa;
• maggiore dipendenza dal contesto genetico.

Criterio di falsificazione: il modello sarebbe indebolito se le famiglie dominio-distintive risultassero distribuite casualmente tra funzioni centrali e periferiche, prive di maggiore conservazione, non associate a interazioni specifiche e facilmente sostituibili senza conseguenze fisiologiche.

La verifica richiede confronti su larga scala e non può essere affidata a un singolo organismo. Un gene essenziale in Sulfolobus islandicus non è automaticamente essenziale in tutti gli archaea; una famiglia conservata negli archaea non ha necessariamente svolto lo stesso ruolo durante l’intera storia del dominio.

Il modello deve quindi essere testato mediante:

• mutagenesi in organismi appartenenti a linee differenti;
• ricostruzione delle interazioni molecolari;
• esperimenti di sostituzione tra omologhi;
• analisi strutturali dei complessi;
• ricostruzione ancestrale delle proteine;
• confronti tra core e genoma accessorio;
• integrazione di filogenesi, funzione ed ecologia.

🔗 Implicazioni e connessioni interdisciplinari

Filogenomica. Le famiglie geniche permettono di ricostruire la storia degli organismi utilizzando più segnali simultanei. Tuttavia, ogni famiglia possiede una propria storia, che può comprendere duplicazioni, trasferimenti e perdite. La filogenesi di una cellula non coincide automaticamente con quella di ogni suo gene.

Biologia dei sistemi. Il modello sposta l’attenzione dalla lista delle componenti alla rete delle relazioni. Due organismi possono possedere famiglie simili ma differire nella regolazione, nel dosaggio, nell’assemblaggio e nelle dipendenze funzionali.

Bioinformatica. L’identificazione delle firme dipende da algoritmi di confronto, soglie statistiche, qualità degli assemblaggi e criteri di clustering. Modificare il metodo può cambiare il numero e la composizione delle famiglie riconosciute.

Biologia strutturale. Il confronto delle forme tridimensionali permette di scoprire omologie profonde e di individuare le superfici che vincolano la coevoluzione tra subunità.

Genetica sperimentale. La mutagenesi distingue la semplice presenza dall’importanza fisiologica. Mostra quali geni possono essere eliminati, quali producono difetti e quali risultano incompatibili con la sopravvivenza nelle condizioni analizzate.

Ecologia microbica. Il genoma accessorio collega la storia delle famiglie alle nicchie ambientali. Una funzione può essere stabile in un ambiente e superflua in un altro. La conservazione non dipende soltanto dalla struttura interna della cellula, ma anche dalle pressioni esterne.

Teoria dell’evoluzione. Il radicamento mostra che l’evoluzione è dipendente dal percorso. Una modifica non viene valutata su un organismo astratto, ma dentro una configurazione prodotta dalla storia precedente.

Biologia sintetica. Trasferire un gene non equivale a trasferire un sistema. La progettazione di cellule artificiali deve considerare compatibilità, regolazione, dosaggio ed epistasi. Una componente isolata può fallire perché manca la rete che ne rende possibile il funzionamento.

Origine della complessità eucariotica. La distinzione tra componenti universali, archaeali, batteriche e specifiche di lignaggio fornisce gli strumenti necessari per analizzare successivamente la composizione a mosaico della cellula eucariotica. Tale passaggio appartiene però a una fase successiva della mappa e non viene sviluppato in questo capitolo.

Filosofia della biologia. L’identità non richiede immobilità. Una linea rimane riconoscibile mentre sostituisce, acquisisce e perde geni, perché la continuità risiede anche nelle relazioni organizzative. La persistenza biologica non è conservazione integrale della materia, ma mantenimento storico di vincoli e dipendenze.

⚠️ Limiti, incertezze e domande aperte

La prima incertezza riguarda il campionamento. La diversità microbica conosciuta rappresenta soltanto una parte di quella esistente, e numerose linee sono documentate attraverso genomi assemblati da campioni ambientali.

I genomi metagenomici possono essere incompleti. Una famiglia classificata come assente può trovarsi in una regione non assemblata. Possono inoltre contenere contaminazioni o frammenti attribuiti al genoma sbagliato.

La seconda incertezza riguarda l’omologia profonda. Quando due sequenze si sono separate da tempi molto lunghi, il segnale può essere cancellato dalle sostituzioni. Le strutture tridimensionali aumentano la capacità di riconoscimento, ma non risolvono ogni ambiguità.

La terza incertezza riguarda la ricostruzione storica. La presenza attuale di una famiglia in un solo dominio non permette di distinguere automaticamente tra innovazione, perdita e sostituzione.

La quarta riguarda la funzione. Migliaia di proteine conservate rimangono prive di caratterizzazione sperimentale. La loro distribuzione può essere descritta con precisione superiore alla loro attività biochimica.

La quinta riguarda l’essenzialità. Gli esperimenti vengono eseguiti su pochi organismi modello e in condizioni controllate. I risultati non possono essere estesi senza verifica a tutti i membri di un dominio.

La sesta riguarda il concetto stesso di stabilizzazione. Non esiste un singolo momento nel quale un dominio diventa definitivamente stabile. Il processo è graduale, distribuito tra famiglie diverse e continuamente modificato da selezione, deriva, perdite e acquisizioni.

Restano quindi aperte domande centrali:

• quali famiglie contribuirono per prime alla separazione funzionale dei due domini;
• quali famiglie rappresentano vere innovazioni e quali omologie non ancora riconosciute;
• quali proteine ipotetiche appartengono ai sistemi cellulari centrali;
• quanto il radicamento dipenda da interazioni fisiche e quanto dalla regolazione;
• quali componenti possano essere sostituite sperimentalmente tra domini;
• quali linee estinte abbiano contribuito alla distribuzione attuale dei geni.

🧬 Sintesi finale

La stabilizzazione di Bacteria e Archaea non deriva da due elenchi chiusi di geni esclusivi. La loro distinzione è registrata nella distribuzione combinata di famiglie universali, core, dominio-preferenziali, specifiche di clade e accessorie. 

L’identificazione di queste famiglie richiede più livelli di analisi: sequenza, profili statistici, domini proteici, struttura tridimensionale, contesto genomico e alberi evolutivi. Una semplice assenza non è sufficiente a dimostrare una nuova origine.

Il passaggio decisivo avviene quando una famiglia entra in un modulo molecolare. Le proteine partner si adattano, la regolazione si coordina, il dosaggio viene vincolato e le mutazioni successive dipendono dalla configurazione già esistente.

Attraverso l’epistasi e la coevoluzione, una soluzione inizialmente modificabile può diventare radicata. Il ritorno alla configurazione precedente richiederebbe non una singola inversione, ma la riorganizzazione simultanea di numerose relazioni.

I dati genomici mostrano l’esistenza di centinaia di cluster di firma, nuclei conservati e migliaia di famiglie specifiche delle linee archaeali. Gli esperimenti mostrano inoltre che una parte delle famiglie scarsamente comprese è necessaria alla crescita degli organismi studiati.

La conclusione più rigorosa non è che ogni dominio possieda geni completamente inaccessibili all’altro. È che ciascun dominio abbia costruito una propria rete di compatibilità.

I geni possono essere trasferiti, duplicati, modificati o perduti. Ciò che resiste più a lungo è la struttura delle dipendenze: la trama di interazioni entro cui ogni componente acquista una funzione e un costo evolutivo.

La stabilità dei domini non coincide quindi con l’immobilità del genoma. È una stabilità dinamica, capace di incorporare variazioni senza dissolvere l’organizzazione fondamentale. Non una parete tra due mondi biologici, ma due percorsi molecolari che, accumulando dipendenze differenti, hanno reso persistente la propria storia.