Methodenartikel

Een geïntegreerde aanpak voor microproteïne-identificatie en sequentieanalyse

DOI:

10.3791/63841

⸱

12 juli 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

In dit artikel

Samenvatting

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

Het protocol dat hier wordt beschreven, biedt gedetailleerde instructies voor het analyseren van genomische gebieden die van belang zijn voor microproteïnecoderingspotentieel met behulp van PhyloCSF op de gebruiksvriendelijke UCSC Genome Browser. Daarnaast worden verschillende hulpmiddelen en middelen aanbevolen om de sequentiekenmerken van geïdentificeerde microproteïnen verder te onderzoeken om inzicht te krijgen in hun vermeende functies.

Samenvatting

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

Next-generation sequencing (NGS) heeft het veld van genomica vooruitgestuwd en hele genoomsequenties geproduceerd voor tal van diersoorten en modelorganismen. Ondanks deze schat aan sequentie-informatie zijn uitgebreide genannotatie-inspanningen echter een uitdaging gebleken, vooral voor kleine eiwitten. Met name conventionele eiwitannotatiemethoden werden ontworpen om opzettelijk vermeende eiwitten uit te sluiten die zijn gecodeerd door korte open leesframes (sORF's) met een lengte van minder dan 300 nucleotiden om het exponentieel hogere aantal onechte niet-coderende sORF's in het hele genoom te filteren. Als gevolg hiervan zijn honderden functionele kleine eiwitten genaamd microproteïnen (<100 aminozuren in lengte) ten onrechte geclassificeerd als niet-coderende RNA's of volledig over het hoofd gezien.

Hier bieden we een gedetailleerd protocol om gratis, openbaar beschikbare bio-informaticatools te gebruiken om genomische regio's te doorzoeken op microproteïne-codeerpotentieel op basis van evolutionair behoud. In het bijzonder bieden we stapsgewijze instructies over het onderzoeken van sequentiebehoud en coderingspotentieel met behulp van fylogenetische codonsubstitutiefrequenties (PhyloCSF) op de gebruiksvriendelijke Genome Browser van de University of California Santa Cruz (UCSC). Daarnaast beschrijven we stappen om efficiënt meerdere soorten uitlijningen van geïdentificeerde microproteïnesequenties te genereren om aminozuursequentiebehoud te visualiseren en middelen aan te bevelen om microproteïnekenmerken te analyseren, inclusief voorspelde domeinstructuren. Deze krachtige hulpmiddelen kunnen worden gebruikt om vermeende microproteïne-coderende sequenties in niet-canonische genomische regio's te helpen identificeren of om de aanwezigheid van een geconserveerde coderingssequentie met translationeel potentieel in een niet-coderend transcript van belang uit te sluiten.

Inleiding

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

De identificatie van de volledige set coderende elementen in het genoom is een belangrijk doel sinds de start van het Human Genome Project en blijft een centrale doelstelling voor het begrijpen van biologische systemen en de etiologie van genetisch gebaseerde ziekten 1,2,3,4. Vooruitgang in NGS-technieken heeft geleid tot de productie van hele genoomsequenties voor een groot aantal organismen, waaronder gewervelde dieren, ongewervelde dieren, gist en planten5. Bovendien hebben transcriptionele sequencingmethoden met hoge doorvoer de complexiteit van het cellulaire transcriptoom verder onthuld en duizenden nieuwe RNA-moleculen geïdentificeerd met zowel eiwitcoderende als niet-coderende functies 6,7. Het decoderen van deze enorme hoeveelheid sequentie-informatie is een continu proces en er blijven uitdagingen bestaan met uitgebreide genannotatie-inspanningen8.

De recente ontwikkeling van translationele profileringsmethoden, waaronder ribosoomprofilering 9,10 en poly-ribosoomsequencing11, hebben bewijs geleverd waaruit blijkt dat honderden niet-canonische translatiegebeurtenissen worden toegewezen aan momenteel niet-geannoteerde sORF's in het hele genoom, met het potentieel om kleine eiwitten te genereren die microproteïnen of micropeptiden worden genoemd 12,13,14,15,16, 17. Microproteïnen zijn naar voren gekomen als een nieuwe klasse van veelzijdige eiwitten die eerder over het hoofd werden gezien door standaard genannotatiemethoden vanwege hun kleine omvang (<100 aminozuren) en het ontbreken van klassieke eiwitcoderende genkenmerken 8,12,18,19,20. Microproteïnen zijn beschreven in vrijwel alle organismen, waaronder gist21,22, vliegen 17,23,24 en zoogdieren 25,26,27,28, en er is aangetoond dat ze een cruciale rol spelen in diverse processen, waaronder ontwikkeling, metabolisme en stress signalering 19,20,29, 30,31,32,33,34. Het is dus noodzakelijk om het genoom te blijven ontginnen voor extra leden van deze lang over het hoofd geziene klasse van functionele kleine eiwitten.

Ondanks de wijdverspreide erkenning van het biologische belang van microproteïnen, blijft deze klasse van genen enorm ondervertegenwoordigd in genoomannotaties, en hun nauwkeurige identificatie blijft een voortdurende uitdaging die de vooruitgang in het veld heeft belemmerd. Verschillende computationele hulpmiddelen en experimentele methoden zijn onlangs ontwikkeld om de moeilijkheden te overwinnen die gepaard gaan met het identificeren van microproteïne-coderende sequenties (uitgebreid besproken in verschillende uitgebreide beoordelingen 8,35,36,37). Veel recente microproteïne-identificatiestudies 38,39,40,41,42,43,44,45,46,47 hebben sterk vertrouwd op het gebruik van een dergelijk algoritme genaamd PhyloCSF48,49 , een krachtige vergelijkende genomicabenadering die kan worden gebruikt om geconserveerde eiwitcoderende regio's van het genoom te onderscheiden van die welke niet-coderend zijn.

PhyloCSF vergelijkt codonsubstitutiefrequenties (CSF) met behulp van multi-species nucleotide-uitlijningen en fylogenetische modellen om evolutionaire handtekeningen van eiwitcoderende genen te detecteren. Deze empirische modelgebaseerde benadering is gebaseerd op het uitgangspunt dat eiwitten voornamelijk worden geconserveerd op aminozuurniveau in plaats van de nucleotidesequentie. Daarom worden synonieme codonsubstituties, die hetzelfde aminozuur coderen, of codonsubstituties naar aminozuren met geconserveerde eigenschappen (d.w.z. lading, hydrofobiciteit, polariteit) positief beoordeeld, terwijl niet-synonieme substituties, inclusief missense en onzinsubstituties, negatief scoren. PhyloCSF is getraind op gegevens over het hele genoom en heeft bewezen effectief te zijn in het scoren van korte delen van een coderende sequentie (CDS) in isolatie van de volledige sequentie, wat nodig is bij het analyseren van microproteïnen of individuele exonen van standaard eiwitcoderende genen48,49.

Met name de recente integratie van de PhyloCSF-trackhubs in de Genome Browser 49,50,51 van de University of California Santa Cruz (UCSC) stelt onderzoekers van alle achtergronden in staat om eenvoudig toegang te krijgen tot een gebruiksvriendelijke interface om genomische regio's te doorzoeken die van belang zijn voor eiwitcoderingspotentieel. Het onderstaande protocol biedt gedetailleerde instructies over het laden van de PhyloCSF-trackhubs op de UCSC Genome Browser en vervolgens genomische regio's van belang te onderzoeken om te onderzoeken op zeer betrouwbare eiwitcoderende regio's (of het gebrek daaraan). Bovendien, in het geval dat een positieve PhyloCSF-score wordt waargenomen, worden stappen afgebakend om het microproteïne-coderende potentieel verder te analyseren en efficiënt meerdere soorten uitlijningen van de geïdentificeerde aminozuursequenties te genereren om het behoud van de sequenties tussen soorten te illustreren. Ten slotte worden verschillende aanvullende openbaar beschikbare middelen en hulpmiddelen geïntroduceerd in de discussie om geïdentificeerde microproteïnekenmerken te onderzoeken, waaronder voorspelde domeinstructuren en inzicht in vermeende microproteïnefunctie.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

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

Het protocol dat hieronder wordt beschreven, beschrijft stappen voor het laden en navigeren van de PhyloCSF-browsertracks op de UCSC Genome Browser (gegenereerd door Mudge et al.49). Voor algemene vragen over de UCSC Genome Browser is hier een uitgebreide Genome Browser User's Guide te vinden: https://genome.ucsc.edu/goldenPath/help/hgTracksHelp.html.

1. De PhyloCSF Track Hub laden in de UCSC Genome Browser

  1. Open een internetbrowservenster en navigeer naar de UCSC Genome Browser (https://genome.ucsc.edu/).
  2. Selecteer onder de kop Onze tools de optie Hubs volgen .
    OPMERKING: De optie Hubs volgen is ook te vinden op het tabblad Mijn gegevens .
  3. Typ op het tabblad Public Hubs PhyloCSF in het vak Zoektermen . Klik op de knop Openbare hubs zoeken .
  4. Maak verbinding met PhyloCSF door op de knop Verbinden te klikken voor de hubnaam PhyloCSF (Beschrijving: Evolutionair eiwitcoderingspotentieel zoals gemeten door PhyloCSF).
    OPMERKING: Deze Track Hub wordt geladen voor tal van assemblages, waaronder mensen (hg19 en hg38) en muizen (mm10 en mm39).
  5. Nadat u op verbinden hebt geklikt, wacht u om te worden omgeleid naar de UCSC Genome Browser Gateway-pagina (https://genome.ucsc.edu/cgi-bin/hgGateway).

2. Navigeren naar interessante genen met behulp van gene identifiers

  1. Selecteer de soort en het genoomassemblage om op te vragen. Als u een andere soort wilt opvragen (bijvoorbeeld de muis), selecteert u de gewenste soort onder de kop Bladeren/Soort selecteren door op het juiste pictogram te klikken, of typt u de soort in het tekstvak met de tekst : Voer soort, algemene naam of verzamel-ID in.
    OPMERKING: De assembly wordt direct weergegeven onder de kop Positie zoeken . Meestal is de standaard de Human Assembly (bijv. december 2009 [GRCh37/hg19]).
  2. Kies de assembly die u wilt zoeken onder de kop Positie zoeken met behulp van het vervolgkeuzemenu.
  3. Voer de positie, het gensymbool of de zoekterm in het vak Positie/Zoekterm in en klik op Ga om naar een interessant gen in de Genome Browser te navigeren.
  4. Als de zoekopdracht meerdere overeenkomsten heeft opgeleverd, wacht u om te worden omgeleid naar een pagina waarvoor een interessante positie moet worden geselecteerd. Klik op het juiste gen van belang.

3. Navigeren naar genomische gebieden van belang met behulp van sequentie-informatie

  1. Navigeer naar de UCSC Genome Browser (https://genome.ucsc.edu/) en selecteer de BLAST-Like Alignment Tool (BLAT) onder de kop Onze tools om een specifieke DNA- of eiwitsequentie op te vragen. U kunt ook de cursor op het tabblad Extra plaatsen en de optie Blat selecteren of deze link volgen: https://genome.ucsc.edu/cgi-bin/hgBlat.
  2. Selecteer de soort (Genoom) en De samenstellen van belang met behulp van de vervolgkeuzemenu's.
  3. Definieer het querytype met behulp van het vervolgkeuzemenu.
  4. Plak de volgorde van interesse in het tekstvak BLAT Search Genome en klik op Verzenden.
  5. Klik op de browserlink onder de kop ACTIES om naar de genomische regio van interesse te navigeren.

4. Het identificeren van geconserveerde sORFs met behulp van PhyloCSF Track Data

  1. Scan visueel het genomische interessegebied op positief scorende PhyloCSF-regio's (figuur 1).
    OPMERKING: Voor een gedetailleerde uitleg van het visueel interpreteren van PhyloCSF-scores op de UCSC Genome Browser, zie de sectie representatieve resultaten hieronder.
  2. Gebruik de zoomfunctie om interessante gebieden te vergroten om sequentiekenmerken te onderzoeken en te zoeken naar start/stop-codons. Als u handmatig wilt inzoomen, houdt u de Shift-toets ingedrukt en houdt u de muisknop ingedrukt terwijl u langs het interessegebied sleept. U kunt ook de inzoom- en uitzoomknoppen boven aan de pagina gebruiken om te navigeren (er zijn opties voor 1,5x, 3x, 10x of basiszoom beschikbaar).
    OPMERKING: Voordat u de inzoom- / uitzoomknoppen gebruikt, is het noodzakelijk om het gen te verplaatsen zodat het interessegebied zich in het midden van het scherm bevindt. Om deze actie uit te voeren, klikt u op de afbeelding en sleept u deze naar links of rechts om het genomische gebied horizontaal naar wens te verplaatsen of gebruikt u de bewegingspijlen boven aan de pagina.
  3. Zoom in totdat de nucleotide (basis) sequentie zichtbaar is.
    OPMERKING: De nucleotidesequentie verschijnt direct boven de +1 Smoothed PhyloCSF-score.
  4. Scan visueel de nucleotidesequentie aan het begin en einde van de positief scorende PhyloCSF-regio's om vermeende start (ATG) en stop (TGA / TAA / TAG) codons te identificeren.
    OPMERKING: Als het gen van belang zich op de minus-streng van DNA bevindt, zijn de start- en stopcodons het omgekeerde complement (d.w.z. CAT voor het startcodon en TCA / TTA / CTA voor het stopcodon).

5. Homologe regio's bekijken in andere genomen

  1. Beweeg de muis over de kop Weergave boven aan de pagina en klik op de optie In Andere genomen (Converteren).
  2. Definieer het genoom van belang met behulp van het vervolgkeuzemenu onder de kop Nieuw genoom .
  3. Selecteer de genomische verzameling van belang met behulp van het vervolgkeuzemenu onder de kop Nieuwe assembly en klik vervolgens op de knop Verzenden .
  4. Zodra de browser een lijst met regio's in de nieuwe assemblage met gelijkenis retourneert, klikt u op de link naar de chromosoompositie om naar het homologe gebied van interesse te navigeren.
    OPMERKING: Het percentage van de totale basen (nucleotiden) en de spanwijdte die door de regio worden bestreken, worden gedefinieerd voor elke vermelde regio. Hoe hoger het percentage matchingbases, hoe hoger de conservering is voor de regio van belang.
  5. Volg dezelfde navigatiestrategieën die in sectie 4 worden beschreven om de volgorde te analyseren.

6. Het genereren van multi-species sequence alignments voor microproteïnen van belang

  1. Klik op het gen van belang in de GENCODE-track in de UCSC Genome Browser (aangegeven in figuur 1A met een blauw vak) om naar de genbeschrijvingspagina te navigeren.
  2. Klik onder de kop Volgorde en koppelingen naar gereedschappen en databases op de link in de tabel met de tekst Andere soorten FASTA.
  3. Klik op de vakjes die zijn gekoppeld aan de soort van belang om ze te selecteren. Klik op Verzenden. Kopieer en plak de reeksen die onder aan de pagina in FASTA-indeling worden weergegeven in een tekstverwerkingsdocument.
  4. Open een tweede browservenster en navigeer naar de Clustal Omega Multiple Sequence Alignment tool52 op de website van het European Bioinformatics Institute (EMBL-EBI)53,54: https://www.ebi.ac.uk/Tools/msa/clustalo/.
  5. Plak de reeksbestanden die zich nog op het klembord bevinden in het vak in stap 1 waarin reeksen in een ondersteunde indeling worden gelezen. Scrol naar de onderkant van de pagina en klik op Verzenden. Kijk hieronder de uitgelijnde resultaten (in zwart lettertype) voor symbolen die de mate van conservering van elk aminozuur aangeven (symbolen zijn gedefinieerd in tabel 1).
    OPMERKING: Het kan enkele minuten duren om de uitlijning te genereren.
  6. Om de aminozuureigenschappen in kleur te bekijken, klikt u op de link Kleuren weergeven direct boven de sequenties om de aminozuren te kleuren volgens hun eigenschappen (gedefinieerd in tabel 2).
  7. Kopieer en plak de volgorde-uitlijning in een tekstverwerkings- of diavoorstellingsprogramma om een figuur of illustratiebestand te genereren (bijvoorbeeld figuur 2).
    OPMERKING: Gebruik een monospaced lettertype voor de uitlijning, zoals Courier.
  8. Om andere resultaten van de Clustal Omega-resultatenpagina te bekijken, klikt u op de juiste tabbladen (d.w.z. Guide Tree of Phylogenetic Tree).
  9. Klik op het tabblad Resultatenviewers voor opties om de reeksinformatie te bekijken met Jalview, een gratis programma dat gespecialiseerd is in het bewerken, visualiseren en analyseren van meerdere sequenties55, of om toegang te krijgen tot directe links naar MView en Simple Phylogeny56.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

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

Hier zullen we het gevalideerde microproteïne mitoregulin (Mtln) als voorbeeld gebruiken om aan te tonen hoe een geconserveerde sORF een positieve PhyloCSF-score zal genereren die gemakkelijk kan worden gevisualiseerd en geanalyseerd op de UCSC Genome Browser. Mitoregulin werd eerder geannoteerd als een niet-coderend RNA (voorheen menselijk gen ID LINC00116 en muisgen ID 1500011K16Rik). Vergelijkende genomica en sequentieconserveringsanalysemethoden speelden een cruciale rol bij de eerste ontdekking

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

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

Het hier gepresenteerde protocol biedt gedetailleerde instructies over het ondervragen van genomische regio's die van belang zijn voor microproteïnecoderingspotentieel met behulp van PhyloCSF op de gebruiksvriendelijke UCSC Genome Browser 48,49,50,51. Zoals hierboven beschreven, is PhyloCSF een krachtig vergelijkend genomics-algoritme dat fylogenetische modellen en codonsubstitutiefrequenties i...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

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

De auteurs verklaren dat zij geen concurrerende financiële belangen hebben.

Dankbetuigingen

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

Dit werk werd ondersteund door subsidies van de National Institutes of Health (HL-141630 en HL-160569) en Cincinnati Children's Research Foundation (Trustee Award).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
WebsiteWebsite AddressVereisten
Clustal Omega Multiple Sequence Alignment Toolhttps://www.ebi.ac.uk/Tools/msa/clustalo/WebbrowserMultiple sequence alignment programma voor de efficiënte uitlijning van FASTA-sequenties (dwz voor cross-species vergelijking van geïdentificeerde microproteïnen)
COXPRESSdbhttps://coxpresdb.jpWebbrowserBiedt co-gereguleerde genrelaties om genrelaties te schatten
EMBL-EBI Bioinformatica Tools FAQshttps://www.ebi.ac.uk/seqdb/confluence/display/JDSAT/Bioinformatics+Tools+FAQWebbrowserVeelgestelde vragen (FAQ's) voor EMBL-EBI-tools. Bevat de kleurencoderingssleutel voor eiwitsequentie-uitlijningen
European Bioinformatics Institute (EMBL-EBI),
Tools en databronnen		https://www.ebi.ac.uk/services/allWebbrowserUitgebreide lijst van gratis beschikbare websites, tools en databronnen
Expasy - Swiss Bioinformatica Resource Portalhttps://www.expasy.orgWebbrowserSuite van bio-informatica tools en resources voor eiwitsequentie-analyse die wordt onderhouden door het Swiss Institute of Bioinformatics (SIB)
National Center for Biotechnology Information (NCBI)
Conserved Domain Search		https://www.ncbi.nlm.nih.gov/Structure/cdd/wrpsb.cgiWebbrowserZoektool om geconserveerde domeinen binnen eiwit- of coderende nucleotidesequenties te identificeren
Pfam 35http://pfam.xfam.orgWebbrowserEiwitfamilie (Pfam) database, biedt uitlijningen en classificatie van eiwitfamilies en -domeinen
PhyloCSF Track Hub Beschrijvinghttps://services.healthtech.dtu.dk/service.php?SignalP-6.0WebbrowserVoorspelt de aanwezigheid van signaalpeptiden en de locatie van hun splitsingsplaatsen
TMHMM - 2.0https://services.healthtech.dtu.dk/service.php?TMHMM-2.0WebbrowserVoorspelling van transmembraan-helices in eiwitten
UCSC Genome Browser BLAT Searchhttps://genome.ucsc.edu/cgi-bin/hgBlatWebbrowserTool dat wordt gebruikt om genomische regio's te vinden met behulp van DNA- of eiwitsequentie-informatie
UCSC Genome Browser Gatewayhttps://genome.ucsc.edu/cgi-bin/hgGatewayWebbrowserDirecte link naar de UCSC Genome Browser Gateway
UCSC Genome Browser Homehttps://genome.ucsc.edu/WebbrowserStartpagina van de UCSC Genome Browser
UCSC Genome Browser Track Data Hubshttps://genome.ucsc.edu/cgi-bin/hgHubConnect#publicHubsWebbrowserDirecte link naar de Track Data Hubs/Public Hubs-database om te zoeken naar en de PhyloCSF-tracks te laden
UCSC Genome Browser Gebruikershandleidinghttps://genome.ucsc.edu/goldenPath/help/hgTracksHelp.htmlWebbrowserUitgebreide gebruikershandleiding met details over het navigeren in de UCSC Genome Browser
WoLF PSORThttps://wolfpsort.hgc.jpWebbrowserTool voor het voorspellen van subcellulaire lokalisatie van eiwitten

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

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

Gerelateerde artikelen