需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

一种用于微蛋白鉴定与序列分析的整合方法

3.4K 次观看

⸱

DOI：

10.3791/63841

⸱

2022年7月12日

 ,  , 
1The Heart Institute, Division of Molecular Cardiovascular Biology, Cincinnati Children's Hospital Medical Center, 2Department of Pediatrics, University of Cincinnati College of Medicine

* These authors contributed equally

本文内容

摘要

本文所述方案提供了在用户友好的 UCSC 基因组浏览器上，利用 PhyloCSF 分析目标基因组区域是否具有编码微蛋白潜力的详细操作步骤。此外，还推荐了多种工具和资源，用于进一步研究已鉴定微蛋白的序列特征，以深入了解其可能的功能。

摘要

下一代测序技术（NGS）推动了基因组学领域的发展，已获得多种动物物种和模式生物的全基因组序列。然而，尽管存在大量序列信息，全面的基因注释工作仍面临挑战，尤其是对于小蛋白质而言。值得注意的是，传统的蛋白质注释方法在设计时有意排除了由长度小于300个核苷酸的短开放阅读框（sORF）编码的潜在蛋白质，以过滤掉基因组中数量呈指数级增长的虚假非编码sORF。因此，数百种被称为微蛋白（microprotein）的功能性小蛋白（长度<100个氨基酸）被错误地归类为非编码RNA或完全被忽视。

本文提供了一项详细方案，用于利用免费且公开的生物信息学工具，基于进化保守性对基因组区域进行查询，以评估其编码微蛋白的潜力。具体而言，我们逐步介绍了如何在用户友好的加州大学圣克鲁兹分校（UCSC）基因组浏览器上，使用系统发育密码子替换频率（Phylogenetic Codon Substitution Frequencies, PhyloCSF）分析序列保守性和编码潜力。此外，我们还详细说明了如何高效生成已鉴定微蛋白序列的多物种比对，以可视化氨基酸序列的保守性，并推荐了可用于分析微蛋白特征的资源，包括预测的结构域结构。这些强大的工具可用于帮助识别非经典基因组区域中潜在的微蛋白编码序列，或排除在特定非编码转录本中存在具有翻译潜力的保守编码序列的可能性。

引言

自人类基因组计划启动以来，鉴定基因组中全部编码元件一直是主要目标之一，并且仍是理解生物系统及基于遗传的疾病病因学的核心目标1,2,3,4。下一代测序（NGS）技术的进步已实现了对大量生物体（包括脊椎动物、无脊椎动物、酵母和植物）的全基因组测序5。此外，高通量转录测序方法进一步揭示了细胞转录组的复杂性，并鉴定了数千种具有蛋白质编码和非编码功能的新型RNA分子6,7。解读这一海量序列信息仍是一个持续进行的过程，全面的基因注释工作仍面临诸多挑战8。

近年来，转译谱型技术的发展，包括核糖体谱型分析9,10和多聚核糖体测序11，提供了证据表明，数百个非常规翻译事件定位于基因组中目前尚未注释的小开放阅读框（sORF），有可能产生被称为微蛋白或微肽的小分子蛋白质12,13,14,15,16,17。由于尺寸较小（<100个氨基酸）且缺乏经典蛋白编码基因的特征，微蛋白此前一直被标准基因注释方法所忽视，现已成为一类新发现的多功能蛋白质8,12,18,19,20。微蛋白几乎在所有生物体中均有报道，包括酵母21,22、果蝇17,23,24和哺乳动物25,26,27,28，并已被证明在发育、代谢和应激信号传导等多种生物学过程中发挥关键作用19,20,29,30,31,32,33,34。因此，迫切需要继续挖掘基因组中这一长期被忽视的功能性小蛋白家族的更多成员。

尽管微蛋白在生物学上的重要性已得到广泛认可，但这类基因在基因组注释中仍严重缺失，其精确鉴定仍然是该领域持续面临的挑战，阻碍了相关研究的进展。近年来已开发出多种计算工具和实验方法，以克服识别微蛋白编码序列所面临的困难（已在多篇综述中进行了详尽讨论8,35,36,37）。许多近期的微蛋白鉴定研究38,39,40,41,42,43,44,45,46,47 高度依赖于一种名为 PhyloCSF48,49 的算法，这是一种强大的比较基因组学方法，可用于区分基因组中保守的蛋白质编码区与非编码区。

PhyloCSF 利用多物种核苷酸比对和系统发育模型，通过比较密码子替换频率（CSF）来检测蛋白质编码基因的进化特征。这种基于经验模型的方法依赖于一个前提：蛋白质的保守性主要体现在氨基酸水平，而非核苷酸序列水平。因此，编码相同氨基酸的同义密码子替换，或替换为具有保守性质（如电荷、疏水性、极性）氨基酸的密码子替换，得分较高；而包括错义和无义替换在内的非同义替换则得分较低。PhyloCSF 在全基因组数据上进行训练，已被证明在无需完整序列的情况下，能够有效对编码序列（CDS）的短片段进行评分，这在分析微蛋白或标准蛋白质编码基因的单个外显子时尤为必要48,49。

值得注意的是，近期加州大学圣克鲁兹分校（University of California Santa Cruz，UCSC）基因组浏览器中整合了 PhyloCSF 轨道中心49,50,51，使得各领域研究人员均可通过用户友好的界面，便捷地查询感兴趣基因组区域的蛋白质编码潜力。下述方案详细说明了如何在 UCSC 基因组浏览器中加载 PhyloCSF 轨道中心，并进一步分析感兴趣的基因组区域，以探测高置信度的蛋白质编码区域（或其缺失情况）。此外，若观察到显著的 PhyloCSF 正分值，本文还列出了进一步分析微蛋白编码潜力的步骤，并高效生成所鉴定氨基酸序列的多物种比对，以展示跨物种的序列保守性。最后，在讨论部分介绍了若干其他公开可用的资源与工具，用于系统分析所鉴定微蛋白的特征，包括预测的结构域结构以及对微蛋白潜在功能的深入理解。

访问受限。请登录或开始试用以查看此内容。

方案

以下方案详细说明了如何在 UCSC 基因组浏览器上加载并浏览 PhyloCSF 浏览轨道（由 Mudge 等人49生成）。有关 UCSC 基因组浏览器的一般问题，可在此处查阅详尽的《基因组浏览器用户指南》： https://genome.ucsc.edu/goldenPath/help/hgTracksHelp.html。

1. 将 PhyloCSF 轨道中心加载到 UCSC 基因组浏览器

  1. 打开一个互联网浏览器窗口，访问 UCSC 基因组浏览器（https://genome.ucsc.edu/）。
  2. 在 Our tools 标题下，选择 Track Hubs 选项。
    注意：Track Hubs 选项也可在 My Data 标签页下找到。
  3. 在 Public Hubs 标签页中，于 Search terms 搜索框内输入 PhyloCSF ，然后点击 Search Public Hubs 按钮。
  4. 通过点击 Hub 名称为 PhyloCSF （描述：由 PhyloCSF 测量的进化蛋白质编码潜力）对应的 Connect 按钮，连接至 PhyloCSF。
    ​注意：该 Track Hub 将加载至多个基因组组装版本，包括人（hg19 和 hg38）以及小鼠（mm10 和 mm39）。
  5. 点击 connect 后，请等待页面重定向至 UCSC 基因组浏览器网关页面（https://genome.ucsc.edu/cgi-bin/hgGateway）。

2. 使用基因标识符定位目标基因

  1. 选择要查询的物种和基因组组装版本。若要查询其他物种（例如小鼠），请在浏览/选择物种标题下点击相应的图标以选择目标物种，或在标有输入物种、通用名称或组装ID的文本框中输入物种名称。
    注意：基因组组装版本在查找位置标题下方直接列出。通常默认为人类基因组组装版本（例如，2009年12月 [GRCh37/hg19]）。
  2. 在查找位置标题下的下拉菜单中选择要搜索的基因组组装版本。
  3. 在位置/搜索词框中输入位置、基因符号或搜索关键词，然后点击前往，以在基因组浏览器中定位到目标基因。
  4. 如果搜索结果包含多个匹配项，请等待页面跳转至需要选择特定目标位置的页面，然后点击相应的目标基因。

3. 使用序列信息导航至感兴趣的基因组区域

  1. 访问 UCSC 基因组浏览器（https://genome.ucsc.edu/），在 Our tools 标题下选择 BLAST 类似比对工具（BLAT），以查询特定的 DNA 或蛋白质序列。或者，将光标悬停在 Tools 选项卡上，选择 Blat 选项，或直接访问此链接： https://genome.ucsc.edu/cgi-bin/hgBlat。
  2. 使用下拉菜单选择感兴趣的物种（Genome）和 Assembly 版本。
  3. 使用下拉菜单定义 Query type。
  4. 将感兴趣的序列粘贴到 BLAT 搜索基因组 文本框中，然后点击 提交。
  5. 点击 ACTIONS 标题下的 browser 链接，以跳转至感兴趣的基因组区域。

4. 利用 PhyloCSF 轨道数据鉴定保守的 sORF

  1. 在感兴趣的基因组区域内，目视扫描具有正得分的 PhyloCSF 区域（图1).
    注意：有关如何在 UCSC 基因组浏览器上直观解读 PhyloCSF 得分的详细说明，请参见下文的代表性结果部分。
  2. 使用 缩放 功能可放大特定区域，以检查序列特征并查找起始/终止密码子。要手动缩放，请按住 移位 关键和 点击 和 保持 的 鼠标按钮 在拖动感兴趣区域的同时。或者，使用 放大 和 缩小 使用页面顶部的按钮进行导航（可选 1.5x、3x、10x 或原始倍率缩放选项）。
    注意：在使用之前 放大/缩小 按钮，需要重新定位基因，使目标区域位于屏幕中央。执行此操作时，可单击图像并左右拖动，以水平移动基因组区域至所需位置，或使用 移动 页面顶部的箭头。
  3. 放大至核苷酸（碱基）序列可见。
    注意：核苷酸序列将直接显示在 +1 平滑 PhyloCSF 得分的上方。
  4. 目视扫描正得分 PhyloCSF 区域起始和末端附近的核苷酸序列，以识别潜在的起始密码子（ATG）和终止密码子（TGA/TAA/TAG）。
    注意：如果目标基因位于DNA的负链上，则起始密码子和终止密码子应为反向互补序列（即起始密码子为CAT，终止密码子为TCA/TTA/CTA）。

5. 查看其他基因组中的同源区域

  1. 将鼠标悬停在页面顶部的 查看 标题上，然后点击 在其他基因组中（转换） 选项。
  2. 使用 新基因组 标题下方的下拉菜单，定义感兴趣的基因组。
  3. 使用 新组装 标题下方的下拉菜单选择感兴趣的基因组组装版本，然后点击 提交 按钮。
  4. 当浏览器返回新组装中具有相似性的区域列表后，点击 染色体位置 链接，以跳转至感兴趣的同源区域。
    注意：每个列出的区域将标明其所覆盖的总碱基（核苷酸）百分比及跨度。匹配碱基的百分比越高，表明该区域的保守性越高。
  5. 按照第4节中详述的相同导航策略来分析序列。

6. 生成目标微蛋白的多物种序列比对

  1. 点击 目的基因 在 GENCODE 轨道 在 UCSC 基因组浏览器上（用括号标出） 图1A 单击蓝色框）以跳转至基因描述页面。
  2. 在……之下 序列及工具与数据库链接 标题，点击表格中显示的链接 其他物种 FASTA.
  3. 点击与目标物种相关的复选框以进行选择。点击 提交将页面底部以FASTA格式显示的序列复制并粘贴到文字处理文档中。
  4. 打开第二个浏览器窗口并导航至 Clustal Omega 多序列比对 工具52 在欧洲生物信息学研究所（EMBL-EBI）网站上53,54: https://www.ebi.ac.uk/Tools/msa/clustalo/.
  5. 将仍位于剪贴板中的序列文件粘贴到框中 步骤 1 读取 任何支持格式的序列滚动至页面底部并点击 提交在比对结果（黑色字体）下方查看表示每个氨基酸保守程度的符号（符号定义见 表1).
    注意：生成比对可能需要几分钟时间。
  6. 要以颜色查看氨基酸特性，请点击 显示颜色 直接在序列上方链接，以根据氨基酸的性质（在文中定义）为其着色 表 2).
  7. 将序列比对结果复制并粘贴到文字处理或幻灯片程序中，以生成图表或插图文件（例如， 图2).
    注意：请使用等宽字体（如 Courier）进行序列比对。
  8. 要查看该系统的其他输出 Clustal Omega 结果页面，点击相应的标签（即 引导树 或 系统发育树).
  9. 点击 结果查看器 使用 Jalview 查看序列信息的选项标签，Jalview 是一款专注于多序列比对编辑、可视化和分析的免费软件55，或访问直接链接至 MView 和 简单的系统发育分析56.

访问受限。请登录或开始试用以查看此内容。

结果

本文将以经过验证的微蛋白 mitoregulin（Mtln）为例，说明一个保守的小开放阅读框（sORF）如何产生正的 PhyloCSF 评分，并可在 UCSC 基因组浏览器上直观地展示和分析。mitoregulin 之前被注释为非编码 RNA（人类基因 ID 曾为 LINC00116，小鼠基因 ID 为 1500011K16Rik）。比较基因组学和序列保守性分析方法在其最初发现过程中发挥了关键作用40,57,58,59,60,61，凸显了这些方法的强大能力。本示例将使用小鼠 GRCm38/mm10（2011 年 12 月）基因组组装版本。可通过基因标识符（mitoregulin、Mtln）或基...

访问受限。请登录或开始试用以查看此内容。

讨论

本文提供的实验方案详细介绍了如何在用户友好的 UCSC 基因组浏览器上，利用 PhyloCSF 对感兴趣的基因组区域进行分析，以评估其编码微蛋白的潜力。48,49,50,51如上所述，PhyloCSF 是一种强大的比较基因组学算法，通过整合系统发育模型和密码子替换频率，识别出典型蛋白质编码基因的进化特征48,49PhyloCSF 已被广泛用于鉴定先前注释为非编码的基因组区域中的功能性微蛋白38,39,40,41

访问受限。请登录或开始试用以查看此内容。

披露

作者声明不存在任何竞争性经济利益。

致谢

本研究由美国国立卫生研究院（HL-141630 和 HL-160569）以及辛辛那提儿童研究基金会（受托人奖）的资助支持。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
网站网站地址要求
Clustal Omega 多序列比对工具https://www.ebi.ac.uk/Tools/msa/clustalo/网络浏览器用于高效比对 FASTA 序列的多序列比对程序（例如用于已鉴定微蛋白的跨物种比较）
COXPRESSdbhttps://coxpresdb.jp网络浏览器提供共调控基因关系以估计基因功能
EMBL-EBI 生物信息学工具常见问题解答https://www.ebi.ac.uk/seqdb/confluence/display/JDSAT/Bioinformatics+Tools+FAQ网络浏览器EMBL-EBI 工具常见问题解答（FAQs）。包含蛋白质序列比对的颜色编码说明
欧洲分子生物学实验室-欧洲生物信息学研究所（EMBL-EBI）
工具与数据资源		https://www.ebi.ac.uk/services/all网络浏览器免费提供的网站、工具及数据资源综合列表
Expasy - 瑞士生物信息学资源门户https://www.expasy.org网络浏览器由瑞士生物信息学研究所（SIB）维护的一套用于蛋白质序列分析的生物信息学工具与资源
美国国家生物技术信息中心（NCBI）
保守结构域搜索		https://www.ncbi.nlm.nih.gov/Structure/cdd/wrpsb.cgi网络浏览器用于识别蛋白质或编码核苷酸序列中保守结构域的搜索工具
Pfam 35http://pfam.xfam.org网络浏览器蛋白家族（Pfam）数据库提供了蛋白家族和结构域的比对与分类
PhyloCSF 轨道中心描述 https://genome.ucsc.edu/cgi-bin/hgTrackUi?hgsid=1267045267_TEc99h2oW5Q
edaCd4ir8aZ65ryaD&&db=mm10
&c=chr2&g=hub_109801_
PhyloCSF_smooth		网络浏览器平滑 PhyloCSF 轨道与 PhyloCSF 轨道中心的详细说明
   
   
   
   
   
SignalP 6.0https://services.healthtech.dtu.dk/service.php?SignalP-6.0网络浏览器预测信号肽的存在及其切割位点的位置
TMHMM - 2.0https://services.healthtech.dtu.dk/service.php?TMHMM-2.0网络浏览器蛋白质中跨膜螺旋的预测
UCSC基因组浏览器BLAT搜索https://genome.ucsc.edu/cgi-bin/hgBlat网络浏览器利用 DNA 或蛋白质序列信息查找基因组区域的工具
UCSC基因组浏览器网关https://genome.ucsc.edu/cgi-bin/hgGateway网络浏览器UCSC基因组浏览器网关的直接链接
加州大学圣克鲁兹分校基因组浏览器主页https://genome.ucsc.edu/网络浏览器UCSC基因组浏览器主页网站
UCSC基因组浏览器轨道数据中心https://genome.ucsc.edu/cgi-bin/hgHubConnect#publicHubs网络浏览器直接链接至 Track Data Hubs/公共中心数据库，用于搜索并加载 PhyloCSF 轨道
UCSC基因组浏览器用户指南https://genome.ucsc.edu/goldenPath/help/hgTracksHelp.html网络浏览器全面用户指南：详细介绍如何使用 UCSC 基因组浏览器
WoLF PSORThttps://wolfpsort.hgc.jp网络浏览器蛋白质亚细胞定位预测工具

参考文献

  1. Collins, F. S., Morgan, M., Patrinos, A. The human genome project: lessons from large-scale biology. Science. 300 (5617), 286-290 (2003).
  2. Lander, E. S., et al. Initial sequencing and analysis of the human genome. Nature. 409 (6822), 860-921 (2001).
  3. Sachidanandam, R., et al. A map of human genome sequence variation containing 1.42 million single nucleotide polymorphisms. Nature. 409 (6822), 928-933 (2001).
  4. Venter, J. C., et al. The sequence of the human genome. Science. 291 (5507), 1304-1351 (2001).
  5. Fuentes-Pardo, A. P., Ruzzante, D. E. Whole-genome sequencing approaches for conservation biology: Advantages, limitations and practical recommendations. Molecular Ecology. 26 (20), 5369-5406 (2017).
  6. Carninci, P., et al. The transcriptional landscape of the mammalian genome. Science. 309 (5740), 1559-1563 (2005).
  7. Maeda, N., et al. Transcript annotation in FANTOM3: mouse gene catalog based on physical cDNAs. PLoS Genetics. 2 (4), 62(2006).
  8. Schlesinger, D., Elsasser, S. J. Revisiting sORFs: overcoming challenges to identify and characterize functional microproteins. The FEBS Journal. 289 (1), 53-74 (2022).
  9. Ingolia, N. T., et al. Ribosome profiling reveals pervasive translation outside of annotated protein-coding genes. Cell Reports. 8 (5), 1365-1379 (2014).
  10. Ingolia, N. T., Ghaemmaghami, S., Newman, J. R., Weissman, J. S. Genome-wide analysis in vivo of translation with nucleotide resolution using ribosome profiling. Science. 324 (5924), 218-223 (2009).
  11. Aspden, J. L., et al. Extensive translation of small Open Reading Frames revealed by Poly-Ribo-Seq. Elife. 3, 03528(2014).
  12. Andrews, S. J., Rothnagel, J. A. Emerging evidence for functional peptides encoded by short open reading frames. Nature Reviews Genetics. 15 (3), 193-204 (2014).
  13. Mackowiak, S. D., et al. Extensive identification and analysis of conserved small ORFs in animals. Genome Biology. 16 (1), 1-21 (2015).
  14. Ruiz-Orera, J., Messeguer, X., Subirana, J. A., Alba, M. M. Long non-coding RNAs as a source of new peptides. Elife. 3, 03523(2014).
  15. Basrai, M. A., Hieter, P., Boeke, J. D. Small open reading frames: beautiful needles in the haystack. Genome Research. 7 (8), 768-771 (1997).
  16. Frith, M. C., et al. The abundance of short proteins in the mammalian proteome. PLoS Genetics. 2 (4), 52(2006).
  17. Ladoukakis, E., Pereira, V., Magny, E. G., Eyre-Walker, A., Couso, J. P. Hundreds of putatively functional small open reading frames in Drosophila. Genome Biology. 12 (11), 118(2011).
  18. Makarewich, C. A., Olson, E. N. Mining for Micropeptides. Trends in Cell Biology. 27 (9), 685-696 (2017).
  19. Wright, B. W., Yi, Z., Weissman, J. S., Chen, J. The dark proteome: translation from noncanonical open reading frames. Trends in Cell Biology. , (2021).
  20. Saghatelian, A., Couso, J. P. Discovery and characterization of smORF-encoded bioactive polypeptides. Nature Chemical Biology. 11 (12), 909-916 (2015).
  21. Kastenmayer, J. P., et al. Functional genomics of genes with small open reading frames (sORFs) in S. cerevisiae. Genome Research. 16 (3), 365-373 (2006).
  22. Smith, J. E., et al. Translation of small open reading frames within unannotated RNA transcripts in Saccharomyces cerevisiae. Cell Reports. 7 (6), 1858-1866 (2014).
  23. Lin, M. F., et al. Revisiting the protein-coding gene catalog of Drosophila melanogaster using 12 fly genomes. Genome Research. 17 (12), 1823-1836 (2007).
  24. Magny, E. G., et al. Conserved regulation of cardiac calcium uptake by peptides encoded in small open reading frames. Science. 341 (6150), 1116-1120 (2013).
  25. Bazzini, A. A., et al. Identification of small ORFs in vertebrates using ribosome footprinting and evolutionary conservation. EMBO J. 33 (9), 981-993 (2014).
  26. Ingolia, N. T., Lareau, L. F., Weissman, J. S. Ribosome profiling of mouse embryonic stem cells reveals the complexity and dynamics of mammalian proteomes. Cell. 147 (4), 789-802 (2011).
  27. Ma, J., et al. Discovery of human sORF-encoded polypeptides (SEPs) in cell lines and tissue. J Proteome Res. 13 (3), 1757-1765 (2014).
  28. Slavoff, S. A., et al. Peptidomic discovery of short open reading frame-encoded peptides in human cells. Nature Chemical Biology. 9 (1), 59-64 (2013).
  29. Khitun, A., Ness, T. J., Slavoff, S. A. Small open reading frames and cellular stress responses. Molecular Omics. 15 (2), 108-116 (2019).
  30. Makarewich, C. A. The hidden world of membrane microproteins. Experimental Cell Research. 388 (2), 111853(2020).
  31. Pueyo, J. I., Magny, E. G., Couso, J. P. New peptides under the s(ORF)ace of the genome. Trends in Biochemical Sciences. 41 (8), 665-678 (2016).
  32. Pauli, A., et al. Toddler: an embryonic signal that promotes cell movement via Apelin receptors. Science. 343 (6172), 1248636(2014).
  33. Chng, S. C., Ho, L., Tian, J., Reversade, B. ELABELA: a hormone essential for heart development signals via the apelin receptor. Developmental Cell. 27 (6), 672-680 (2013).
  34. Lee, C., et al. The mitochondrial-derived peptide MOTS-c promotes metabolic homeostasis and reduces obesity and insulin resistance. Cell Metabolism. 21 (3), 443-454 (2015).
  35. Pauli, A., Valen, E., Schier, A. F. Identifying (non-)coding RNAs and small peptides: challenges and opportunities. Bioessays. 37 (1), 103-112 (2015).
  36. Plaza, S., Menschaert, G., Payre, F. In search of lost small peptides. Annual Review of Cell and Developmental Biology. 33, 391-416 (2017).
  37. Kiniry, S. J., Michel, A. M., Baranov, P. V. Computational methods for ribosome profiling data analysis. Wiley Interdisciplinary Reviews: RNA. 11 (3), 1577(2020).
  38. Anderson, D. M., et al. A micropeptide encoded by a putative long noncoding RNA regulates muscle performance. Cell. 160 (4), 595-606 (2015).
  39. Anderson, D. M., et al. Widespread control of calcium signaling by a family of SERCA-inhibiting micropeptides. Science Signaling. 9 (457), (2016).
  40. Makarewich, C. A., et al. MOXI Is a mitochondrial micropeptide that enhances fatty acid beta-oxidation. Cell Reports. 23 (13), 3701-3709 (2018).
  41. Nelson, B. R., et al. A peptide encoded by a transcript annotated as long noncoding RNA enhances SERCA activity in muscle. Science. 351 (6270), 271-275 (2016).
  42. Chu, Q., et al. Regulation of the ER stress response by a mitochondrial microprotein. Nat Commun. 10 (1), 4883(2019).
  43. Senis, E., et al. TUNAR lncRNA encodes a microprotein that regulates neural differentiation and neurite formation by modulating calcium dynamics. Frontiers in Cell and Developmental Biology. 9, 747667(2021).
  44. Li, M., et al. A putative long noncoding RNA-encoded micropeptide maintains cellular homeostasis in pancreatic beta cells. Molecular Therapy-Nucleic Acids. 26, 307-320 (2021).
  45. Martinez, T. F., et al. Accurate annotation of human protein-coding small open reading frames. Nature Chemical Biology. 16 (4), 458-468 (2020).
  46. van Heesch, S., et al. The translational landscape of the human heart. Cell. 178 (1), 242-260 (2019).
  47. Makarewich, C. A., et al. The cardiac-enriched microprotein mitolamban regulates mitochondrial respiratory complex assembly and function in mice. Proceedings of the National Academy of Sciences of the United States of America. 119 (6), 2120476119(2022).
  48. Lin, M. F., Jungreis, I., Kellis, M. PhyloCSF: a comparative genomics method to distinguish protein coding and non-coding regions. Bioinformatics. 27 (13), 275-282 (2011).
  49. Mudge, J. M., et al. Discovery of high-confidence human protein-coding genes and exons by whole-genome PhyloCSF helps elucidate 118 GWAS loci. Genome Research. 29 (12), 2073-2087 (2019).
  50. Kent, W. J., et al. The human genome browser at UCSC. Genome Research. 12 (6), 996-1006 (2002).
  51. Raney, B. J., et al. Track data hubs enable visualization of user-defined genome-wide annotations on the UCSC Genome Browser. Bioinformatics. 30 (7), 1003-1005 (2014).
  52. Sievers, F., et al. scalable generation of high-quality protein multiple sequence alignments using Clustal Omega. Molecular Systems Biology. 7 (1), 539(2011).
  53. Goujon, M., et al. A new bioinformatics analysis tools framework at EMBL-EBI. Nucleic Acids Research. 38 (2), 695-699 (2010).
  54. Harte, N., et al. Public web-based services from the European Bioinformatics Institute. Nucleic Acids Research. 32 (2), 3-9 (2004).
  55. Waterhouse, A. M., Procter, J. B., Martin, D. M., Clamp, M., Barton, G. J. Jalview Version 2-a multiple sequence alignment editor and analysis workbench. Bioinformatics. 25 (9), 1189-1191 (2009).
  56. Madeira, F., et al. The EMBL-EBI search and sequence analysis tools APIs in 2019. Nucleic Acids Research. 47 (1), 636-641 (2019).
  57. Friesen, M., et al. Mitoregulin controls beta-oxidation in human and mouse adipocytes. Stem Cell Reports. 14 (4), 590-602 (2020).
  58. Stein, C. S., et al. Mitoregulin: A lncRNA-Encoded microprotein that supports mitochondrial supercomplexes and respiratory efficiency. Cell Reports. 23 (13), 3710-3720 (2018).
  59. Chugunova, A., et al. LINC00116 codes for a mitochondrial peptide linking respiration and lipid metabolism. Proceedings of the Nationall Academy of Sciences of the United States of America. 116 (11), 4940-4945 (2019).
  60. Lin, Y. F., et al. A novel mitochondrial micropeptide MPM enhances mitochondrial respiratory activity and promotes myogenic differentiation. Cell Death and Disease. 10 (7), 528(2019).
  61. Wang, L., et al. The micropeptide LEMP plays an evolutionarily conserved role in myogenesis. Cell Death and Disease. 11 (5), 357(2020).
  62. He, S., Liu, S., Zhu, H. The sequence, structure and evolutionary features of HOTAIR in mammals. BMC Evolutionary Biology. 11 (1), 1-14 (2011).
  63. Rinn, J. L., et al. Functional demarcation of active and silent chromatin domains in human HOX loci by noncoding RNAs. Cell. 129 (7), 1311-1323 (2007).
  64. Bhatta, A., et al. A Mitochondrial micropeptide is required for activation of the Nlrp3 inflammasome. Journal of Immunology. 204 (2), 428-437 (2020).
  65. Zhang, D., et al. Functional prediction and physiological characterization of a novel short trans-membrane protein 1 as a subunit of mitochondrial respiratory complexes. Physiological Genomics. 44 (23), 1133-1140 (2012).
  66. Rathore, A., et al. MIEF1 microprotein regulates mitochondrial translation. Biochemistry. 57 (38), 5564-5575 (2018).
  67. Jungreis, I., Sealfon, R., Kellis, M. SARS-CoV-2 gene content and COVID-19 mutation impact by comparing 44 Sarbecovirus genomes. Nature Communications. 12 (1), 2642(2021).
  68. Chen, J., et al. Pervasive functional translation of noncanonical human open reading frames. Science. 367 (6482), 1140-1146 (2020).
  69. Ruiz-Orera, J., Verdaguer-Grau, P., Villanueva-Canas, J. L., Messeguer, X., Alba, M. M. Translation of neutrally evolving peptides provides a basis for de novo gene evolution. Nature Ecology and Evolution. 2 (5), 890-896 (2018).
  70. Blevins, W. R., et al. Uncovering de novo gene birth in yeast using deep transcriptomics. Nature Communications. 12 (1), 604(2021).
  71. Papadopoulos, C., et al. Intergenic ORFs as elementary structural modules of de novo gene birth and protein evolution. Genome Research. , (2021).
  72. Vakirlis, N., Duggan, K. M., McLysaght, A. De novo birth of functional, human-specific microproteins. bioRxiv. , 462744(2021).
  73. Van Oss, S. B., Carvunis, A. R. De novo gene birth. PLoS Genetics. 15 (5), 1008160(2019).
  74. Andersson, D. I., Jerlstrom-Hultqvist, J., Nasvall, J. Evolution of new functions de novo and from preexisting genes. Cold Spring Harbor Perspectives in Biology. 7 (6), 017996(2015).
  75. Ge, Q., et al. Micropeptide ASAP encoded by LINC00467 promotes colorectal cancer progression by directly modulating ATP synthase activity. Journal of Clinical Investigations. 131 (22), (2021).
  76. Sonnhammer, E. L., von Heijne, G., Krogh, A. A hidden Markov model for predicting transmembrane helices in protein sequences. Proceedings. International Conference on Intelligent Syststems for Molecular Biology. 6, 175-182 (1998).
  77. Lu, S., et al. CDD/SPARCLE: the conserved domain database in 2020. Nucleic Acids Research. 48, 265-268 (2020).
  78. Mistry, J., et al. Pfam: The protein families database in 2021. Nucleic Acids Research. 49, 412-419 (2021).
  79. Horton, P., et al. PSORT: protein localization predictor. Nucleic Acids Research. 35 (2), 585-587 (2007).
  80. Obayashi, T., Kagaya, Y., Aoki, Y., Tadaka, S., Kinoshita, K. COXPRESdb v7: a gene coexpression database for 11 animal species supported by 23 coexpression platforms for technical evaluation and evolutionary inference. Nucleic Acids Research. 47, 55-62 (2019).
  81. Teufel, F., et al. SignalP 6.0 predicts all five types of signal peptides using protein language models. Nature Biotechnology. , 01156(2022).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

PhyloCSF UCSC RNA
一种用于微蛋白鉴定与序列分析的整合方法
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。