Artículo de método

Un enfoque integrado para la identificación de microproteínas y el análisis de secuencias

DOI:

10.3791/63841

⸱

12 de julio de 2022

 ,  , 
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

En este artículo

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El protocolo descrito aquí proporciona instrucciones detalladas sobre cómo analizar las regiones genómicas de interés para el potencial de codificación de microproteínas utilizando PhyloCSF en el navegador del genoma UCSC fácil de usar. Además, se recomiendan varias herramientas y recursos para investigar más a fondo las características de secuencia de las microproteínas identificadas para obtener información sobre sus supuestas funciones.

Resumen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La secuenciación de próxima generación (NGS) ha impulsado el campo de la genómica hacia adelante y ha producido secuencias del genoma completo para numerosas especies animales y organismos modelo. Sin embargo, a pesar de esta gran cantidad de información de secuencia, los esfuerzos integrales de anotación de genes han demostrado ser un desafío, especialmente para las proteínas pequeñas. En particular, los métodos convencionales de anotación de proteínas se diseñaron para excluir intencionalmente las proteínas putativas codificadas por marcos de lectura abiertos cortos (sORF) de menos de 300 nucleótidos de longitud para filtrar el número exponencialmente mayor de sORFs espurios no codificantes en todo el genoma. Como resultado, cientos de pequeñas proteínas funcionales llamadas microproteínas (<100 aminoácidos de longitud) se han clasificado incorrectamente como ARN no codificantes o se han pasado por alto por completo.

Aquí proporcionamos un protocolo detallado para aprovechar las herramientas bioinformáticas gratuitas y disponibles públicamente para consultar las regiones genómicas en busca de potencial de codificación de microproteínas basado en la conservación evolutiva. Específicamente, proporcionamos instrucciones paso a paso sobre cómo examinar la conservación de la secuencia y el potencial de codificación utilizando frecuencias de sustitución de codones filogenéticos (PhyloCSF) en el navegador del genoma fácil de usar de la Universidad de California en Santa Cruz (UCSC). Además, detallamos los pasos para generar de manera eficiente alineaciones de múltiples especies de secuencias de microproteínas identificadas para visualizar la conservación de la secuencia de aminoácidos y recomendamos recursos para analizar las características de las microproteínas, incluidas las estructuras de dominio predichas. Estas poderosas herramientas se pueden utilizar para ayudar a identificar secuencias supuestas de codificación de microproteínas en regiones genómicas no canónicas o para descartar la presencia de una secuencia de codificación conservada con potencial de traducción en una transcripción no codificante de interés.

Introducción

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La identificación del conjunto completo de elementos codificantes en el genoma ha sido un objetivo importante desde el inicio del Proyecto Genoma Humano, y sigue siendo un objetivo central hacia la comprensión de los sistemas biológicos y la etiología de las enfermedades de base genética 1,2,3,4. Los avances en las técnicas ngs han llevado a la producción de secuencias del genoma completo para un gran número de organismos, incluidos vertebrados, invertebrados, levaduras y plantas5. Además, los métodos de secuenciación transcripcional de alto rendimiento han revelado aún más la complejidad del transcriptoma celular e identificado miles de nuevas moléculas de ARN con funciones codificantes y no codificantesde proteínas 6,7. La decodificación de esta gran cantidad de información de secuencia es un proceso continuo, y siguen existiendo desafíos con los esfuerzos integrales de anotaciónde genes 8.

El reciente desarrollo de métodos de perfiles traslacionales, incluidos el perfil de ribosomas 9,10 y la secuenciación de poli ribosomas11, han proporcionado evidencia que indica que cientos de eventos de traducción no canónica se asignan a sORF actualmente no anotados en todo el genoma, con el potencial de generar pequeñas proteínas llamadas microproteínas o micropéptidos 12,13,14,15,16, 17. Las microproteínas han surgido como una nueva clase de proteínas versátiles previamente pasadas por alto por los métodos estándar de anotación de genes debido a su pequeño tamaño (<100 aminoácidos) y la falta de características clásicas de genes codificantes de proteínas 8,12,18,19,20. Las microproteínas se han descrito en prácticamente todos los organismos, incluyendo la levadura21,22, las moscas 17,23,24 y los mamíferos 25,26,27,28, y se ha demostrado que desempeñan un papel crítico en diversos procesos, incluyendo el desarrollo, el metabolismo y la señalización de estrés 19,20,29, 30,31,32,33,34. Por lo tanto, es imperativo continuar extrayendo el genoma para miembros adicionales de esta clase de proteínas pequeñas funcionales que se han pasado por alto durante mucho tiempo.

A pesar del reconocimiento generalizado de la importancia biológica de las microproteínas, esta clase de genes sigue estando muy poco representada en las anotaciones del genoma, y su identificación precisa sigue siendo un desafío continuo que ha obstaculizado el progreso en el campo. Recientemente se han desarrollado varias herramientas computacionales y métodos experimentales para superar las dificultades asociadas con la identificación de secuencias codificantes de microproteínas (discutidas ampliamente en varias revisiones exhaustivas 8,35,36,37). Muchos estudios recientes de identificación de microproteínas 38,39,40,41,42,43,44,45,46,47 se han basado en gran medida en el uso de uno de estos algoritmos llamado PhyloCSF 48,49 , un poderoso enfoque de genómica comparativa que se puede aprovechar para distinguir las regiones codificantes de proteínas conservadas del genoma de las que no codifican.

PhyloCSF compara las frecuencias de sustitución de codones (CSF) utilizando alineaciones de nucleótidos de múltiples especies y modelos filogenéticos para detectar firmas evolutivas de genes codificantes de proteínas. Este enfoque empírico basado en modelos se basa en la premisa de que las proteínas se conservan principalmente a nivel de aminoácidos en lugar de la secuencia de nucleótidos. Por lo tanto, las sustituciones de codones sinónimos, que codifican el mismo aminoácido, o las sustituciones de codones a aminoácidos con propiedades conservadas (es decir, carga, hidrofobicidad, polaridad) se puntúan positivamente, mientras que las sustituciones no sinónimas, incluidas las sustituciones sin sentido y sin sentido, puntúan negativamente. PhyloCSF está entrenado en datos de genoma completo y ha demostrado ser eficaz para puntuar porciones cortas de una secuencia codificante (CDS) aisladamente de la secuencia completa, lo cual es necesario cuando se analizan microproteínas o exones individuales de genes codificantes de proteínas estándar48,49.

En particular, la reciente integración de los centros de seguimiento de PhyloCSF en el Genome Browser 49,50,51 de la Universidad de California en Santa Cruz (UCSC) permite a los investigadores de todos los orígenes acceder fácilmente a una interfaz fácil de usar para consultar las regiones genómicas de interés para el potencial de codificación de proteínas. El protocolo que se describe a continuación proporciona instrucciones detalladas sobre cómo cargar los centros de seguimiento de PhyloCSF en el UcSC Genome Browser y, posteriormente, interrogar las regiones genómicas de interés para sondear las regiones codificantes de proteínas de alta confianza (o la falta de ellas). Además, en el caso de que se observe una puntuación positiva de PhyloCSF, se delinean pasos para analizar más a fondo el potencial de codificación de microproteínas y generar de manera eficiente alineaciones de múltiples especies de las secuencias de aminoácidos identificadas para ilustrar la conservación de secuencias entre especies. Por último, en la discusión se introducen varios recursos y herramientas adicionales disponibles públicamente para estudiar las características de las microproteínas identificadas, incluidas las estructuras de dominio predichas y la comprensión de la supuesta función de las microproteínas.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El protocolo que se describe a continuación detalla los pasos para cargar y navegar por las pistas del navegador PhyloCSF en el UCSC Genome Browser (generado por Mudge et al.49). Para preguntas generales sobre el UCSC Genome Browser, se puede encontrar una extensa Guía del usuario de Genome Browser aquí: https://genome.ucsc.edu/goldenPath/help/hgTracksHelp.html.

1. Carga del PhyloCSF Track Hub en el ucsc genome browser

  1. Abra una ventana del navegador de Internet y navegue hasta el UCSC Genome Browser (https://genome.ucsc.edu/).
  2. En el encabezado Nuestras herramientas , seleccione la opción Centros de seguimiento .
    NOTA: La opción Centros de seguimiento también se puede encontrar en la pestaña Mis datos .
  3. En la pestaña Centros públicos , escriba PhyloCSF en el cuadro Términos de búsqueda . Haga clic en el botón Buscar centros públicos .
  4. Conéctese a PhyloCSF haciendo clic en el botón Conectar para el nombre del concentrador PhyloCSF (Descripción: Potencial evolutivo de codificación de proteínas medido por PhyloCSF).
    NOTA: Este track hub se cargará en numerosos conjuntos, incluidos humanos (hg19 y hg38) y ratones (mm10 y mm39).
  5. Después de hacer clic en conectar, espere a ser redirigido a la página UCSC Genome Browser Gateway (https://genome.ucsc.edu/cgi-bin/hgGateway).

2. Navegación a genes de interés utilizando identificadores de genes

  1. Seleccione la especie y el ensamblaje del genoma que desea consultar. Para consultar una especie diferente (por ejemplo, ratón), seleccione la especie de interés en el encabezado Examinar/Seleccionar especies haciendo clic en el icono correspondiente, o escriba la especie en el cuadro de texto que dice: Introduzca especies, nombre común o ID de conjunto.
    NOTA: El conjunto aparece directamente en el encabezado Buscar posición . Normalmente, el valor predeterminado es la Asamblea Humana (por ejemplo, diciembre de 2009 [GRCh37/hg19]).
  2. Elija el conjunto que desea buscar en el encabezado Buscar posición mediante el menú desplegable.
  3. Ingrese la posición, el símbolo del gen o los términos de búsqueda en el cuadro Posición / Término de búsqueda y haga clic en Ir para navegar a un gen de interés en el Navegador del genoma.
  4. Si la búsqueda dio lugar a varias coincidencias, espere a ser redirigido a una página que requiera la selección de una posición de interés. Haga clic en el gen apropiado de interés.

3. Navegar a las regiones genómicas de interés utilizando información de secuencia

  1. Navegue hasta el UCSC Genome Browser (https://genome.ucsc.edu/) y seleccione la herramienta de alineación blast-like (BLAT) en el encabezado Nuestras herramientas para consultar una secuencia específica de ADN o proteína. Alternativamente, coloque el cursor sobre la pestaña Herramientas y seleccione la opción Blat o siga este enlace: https://genome.ucsc.edu/cgi-bin/hgBlat.
  2. Seleccione la especie (Genoma) y el Ensamblaje de interés utilizando los menús desplegables.
  3. Defina el tipo de consulta mediante el menú desplegable.
  4. Pegue la secuencia de interés en el cuadro de texto Genoma de búsqueda blaT y haga clic en Enviar.
  5. Haga clic en el enlace del navegador debajo del encabezado ACCIONES para navegar a la región genómica de interés.

4. Identificación de sORF conservados utilizando datos de seguimiento de PhyloCSF

  1. Escanee visualmente el área genómica de interés para calificar positivamente las regiones PhyloCSF (Figura 1).
    NOTA: Para obtener una explicación detallada de cómo interpretar visualmente las puntuaciones de PhyloCSF en el UCSC Genome Browser, consulte la sección de resultados representativos a continuación.
  2. Utilice la función de zoom para ampliar las regiones de interés para examinar las características de la secuencia y buscar codones de inicio/parada. Para acercar manualmente, mantenga presionada la tecla Mayús y mantenga presionado el botón del mouse mientras arrastra a lo largo de la región de interés. Alternativamente, use los botones de acercar y alejar en la parte superior de la página para navegar (las opciones de zoom 1.5x, 3x, 10x o base están disponibles).
    NOTA: Antes de usar los botones de zoom in/zoom out , es necesario reposicionar el gen para que la región de interés esté en el centro de la pantalla. Para realizar esta acción, haga clic en la imagen y arrástrela hacia la izquierda o hacia la derecha para mover la región genómica horizontalmente como desee o use las flechas de movimiento en la parte superior de la página.
  3. Amplíe el zoom hasta que la secuencia de nucleótidos (base) sea visible.
    NOTA: La secuencia de nucleótidos aparecerá directamente encima de la puntuación +1 Smoothed PhyloCSF.
  4. Escanee visualmente la secuencia de nucleótidos cerca del principio y el final de las regiones PhyloCSF con puntuación positiva para identificar los codones de inicio y parada putativos (TGA / TAA / TAG).
    NOTA: Si el gen de interés está en la cadena menos de ADN, los codones de inicio y parada serán el complemento inverso (es decir, CAT para el codón de inicio y TCA / TTA / CTA para el codón de parada).

5. Visualización de regiones homólogas en otros genomas

  1. Pase el mouse sobre el encabezado Ver en la parte superior de la página y haga clic en la opción En otros genomas (Convertir ).
  2. Defina el genoma de interés utilizando el menú desplegable debajo del encabezado Nuevo genoma .
  3. Seleccione el conjunto genómico de interés mediante el menú desplegable situado en el encabezado Nuevo conjunto y , a continuación, haga clic en el botón Enviar .
  4. Una vez que el navegador devuelva una lista de regiones en el nuevo ensamblado con similitud, haga clic en el enlace de posición cromosómica para navegar a la región homóloga de interés.
    NOTA: El porcentaje de bases totales (nucleótidos) y el lapso que cubre la región se definirán para cada región enumerada. Cuanto mayor sea el porcentaje de bases coincidentes, mayor será la conservación para la región de interés.
  5. Siga las mismas estrategias de navegación detalladas en la Sección 4 para analizar la secuencia.

6. Generación de alineaciones de secuencias multiespecies para microproteínas de interés

  1. Haga clic en el gen de interés en la pista GENCODE en el UCSC Genome Browser (indicado en la Figura 1A con un cuadro azul) para navegar a la página de descripción del gen.
  2. En el encabezado Secuencia y enlaces a herramientas y bases de datos , haga clic en el enlace de la tabla que dice Otras especies FASTA.
  3. Haga clic en las casillas asociadas a las especies de interés para seleccionarlas. Haga clic en Enviar. Copie y pegue las secuencias que aparecen en la parte inferior de la página en formato FASTA en un documento de procesamiento de textos.
  4. Abra una segunda ventana del navegador y navegue hasta la herramienta Clustal Omega Multiple Sequence Alignment 52 en el sitio web del Instituto Europeo de Bioinformática (EMBL-EBI)53,54: https://www.ebi.ac.uk/Tools/msa/clustalo/.
  5. Pegue los archivos de secuencia que todavía están en el portapapeles en el cuadro del STEP 1 que lee secuencias en cualquier formato compatible. Desplácese hasta la parte inferior de la página y haga clic en Enviar. Mire debajo de los resultados alineados (en fuente negra) los símbolos que indican el grado de conservación de cada aminoácido (los símbolos se definen en la Tabla 1).
    NOTA: Puede tardar varios minutos en generar la alineación.
  6. Para ver las propiedades de los aminoácidos en color, haga clic en el enlace Mostrar colores directamente encima de las secuencias para colorear los aminoácidos de acuerdo con sus propiedades (definidas en la Tabla 2).
  7. Copie y pegue la alineación de la secuencia en un programa de procesamiento de textos o presentación de diapositivas para generar una figura o un archivo de ilustración (por ejemplo, la Figura 2).
    NOTA: Utilice una fuente monoespaciada para la alineación, como Courier.
  8. Para ver otros resultados de la página de resultados de Clustal Omega , haga clic en las pestañas correspondientes (es decir, Árbol guía o Árbol filogenético).
  9. Haga clic en la pestaña Visores de resultados para ver las opciones para ver la información de la secuencia utilizando Jalview, un programa gratuito que se especializa en la edición, visualización y análisis de alineación de secuencias múltiples55, o para acceder a enlaces directos a MView y Simple Phylogeny56.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Aquí usaremos la microproteína mitoregulina validada (Mtln) como ejemplo para demostrar cómo un sORF conservado generará una puntuación PhyloCSF positiva que se puede visualizar y analizar fácilmente en el UCSC Genome Browser. La mitoregulina se anotó previamente como un ARN no codificante (anteriormente ID del gen humano LINC00116 y ID del gen de ratón 1500011K16Rik). La genómica comparativa y los métodos de análisis de conservación de secuencias desempeñaron un papel crítico en su descubrimiento inici...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El protocolo presentado aquí proporciona instrucciones detalladas sobre cómo interrogar las regiones genómicas de interés para el potencial de codificación de microproteínas utilizando PhyloCSF en el navegador del genoma UCSC fácil de usar 48,49,50,51. Como se detalló anteriormente, PhyloCSF es un poderoso algoritmo de genómica comparativa que integra modelos filogenéticos y frecuencias de sust...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores declaran que no tienen intereses financieros contrapuestos.

Agradecimientos

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este trabajo fue apoyado por subvenciones de los Institutos Nacionales de Salud (HL-141630 y HL-160569) y la Fundación de Investigación Infantil de Cincinnati (Premio Del Fideicomisario).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
WebsiteWebsite AddressRequirements
Clustal Omega Multiple Sequence Alignment Toolhttps://www.ebi.ac.uk/Tools/msa/clustalo/NavegadorwebPrograma de alineación de secuencias múltiples para la alineación eficiente de secuencias FASTA (es decir, para la comparación entre especies de microproteínas identificadas)
COXPRESSdbhttps://coxpresdb.jpNavegador webProporciona relaciones génicas correguladas para estimar las funciones de los genes
Preguntas frecuentes sobre las herramientas de bioinformática EMBL-EBIhttps://www.ebi.ac.uk/seqdb/confluence/display/JDSAT/Bioinformatics+Tools+FAQPreguntasfrecuentes (FAQs) del navegador web sobre las herramientas EMBL-EBI. Incluye la clave de codificación por colores para las alineaciones de secuencias de proteínas
Instituto Europeo de Bioinformática (EMBL-EBI),
Herramientas y recursos de datos		https://www.ebi.ac.uk/services/allNavegador webLista completa de sitios web, herramientas y recursos de datos disponibles gratuitamente
Expasy - PortalSuizo de Recursos Bioinformáticoshttps://www.expasy.orgNavegador webConjunto de herramientas y recursos bioinformáticos para el análisis de secuencias de proteínas mantenido por el Instituto Suizo de Bioinformática (SIB)
Centro Nacional de Información Biotecnológica (NCBI)
Búsqueda		de dominio conservadohttps://www.ncbi.nlm.nih.gov/Structure/cdd/wrpsb.cgiNavegador webHerramienta de búsqueda para identificar dominios conservados dentro de secuencias de proteínas o nucleótidos codificantes
Pfam 35http://pfam.xfam.orgNavegador webBase de datos de la familia de proteínas (Pfam), proporciona alineaciones y clasificación de familias y dominios de proteínas
PhyloCSF Track Hub Descripción https://genome.ucsc.edu/cgi-bin/hgTrackUi?hgsid=1267045267_TEc99h2oW5Q
edaCd4ir8aZ65ryaD&db=mm10
&c=chr2&g=hub_109801_
PhyloCSF_smooth		Navegador webDescripción detallada de las pistas Smoothed PhyloCSF y PhyloCSF Track Hub
   
   
   
   
   
SignalP 6.0https://services.healthtech.dtu.dk/service.php? SignalP-6.0Navegador webPredice la presencia de péptidos señal y la ubicación de sus sitios de escisión
TMHMM - 2.0https://services.healthtech.dtu.dk/service.php? TMHMM-2.0Navegador webPredicción de hélices transmembrana en proteínas
UCSC Genome Browser BLAT Searchhttps://genome.ucsc.edu/cgi-bin/hgBlatNavegador webHerramienta utilizada para encontrar regiones genómicas utilizando información de secuencia de ADN o proteínas
UCSC Genome Browser Gatewayhttps://genome.ucsc.edu/cgi-bin/hgGatewayNavegador webEnlace directo al Navegador del genoma de la UCSC Portal del
de la UCSC Iniciohttps://genome.ucsc.edu/Navegador webSitio web principal del Navegador del Genoma
de la UCSC Navegador del genoma de la UCSC Rastree los centros dedatoshttps://genome.ucsc.edu/cgi-bin/hgHubConnect#publicHubsNavegador webEnlace directo a la base de datos Track Data Hubs/Public Hubs para buscar y cargar la Guía del usuario del navegador del genoma PhyloCSF Tracks
UCSChttps://genome.ucsc.edu/goldenPath/help/hgTracksHelp.htmlNavegador webGuía de usuario completa que detalla cómo navegar por el navegador del genoma UCSC
WoLF PSORTa href="https://wolfpsort.hgc.jp">https://wolfpsort.hgc.jpNavegador webHerramienta de predicción de localización subcelular de proteínas
genoma <

Referencias

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Microprotein IdentificationSequence AnalysisShort Open Reading FramesPhyloCSF AnalysisUCSC Genome BrowserMultiple Sequence AlignmentAmino Acid ConservationNoncoding RNA AnnotationDomain Structure PredictionComparative Genomics

Artículos relacionados