Summary

En integreret tilgang til mikroproteinidentifikation og sekvensanalyse

Published: July 12, 2022
doi:

Summary

Protokollen beskrevet her giver detaljerede instruktioner om, hvordan man analyserer genomiske regioner af interesse for mikroproteinkodningspotentiale ved hjælp af PhyloCSF i den brugervenlige UCSC Genome Browser. Derudover anbefales flere værktøjer og ressourcer til yderligere at undersøge sekvensegenskaber for identificerede mikroproteiner for at få indsigt i deres formodede funktioner.

Abstract

Næste generations sekventering (NGS) har drevet genomforskningsområdet fremad og produceret hele genomsekvenser for adskillige dyrearter og modelorganismer. På trods af dette væld af sekvensoplysninger har omfattende genannoteringsindsatser imidlertid vist sig at være udfordrende, især for små proteiner. Især blev konventionelle proteinannoteringsmetoder designet til bevidst at udelukke formodede proteiner kodet af korte åbne læserammer (sORF’er) mindre end 300 nukleotider i længden for at filtrere det eksponentielt højere antal falske ikke-kodende sORF’er i hele genomet. Som et resultat er hundredvis af funktionelle små proteiner kaldet mikroproteiner (<100 aminosyrer i længden) fejlagtigt blevet klassificeret som ikke-kodende RNA'er eller overset helt.

Her leverer vi en detaljeret protokol til at udnytte gratis, offentligt tilgængelige bioinformatiske værktøjer til at forespørge genomiske regioner om mikroproteinkodende potentiale baseret på evolutionær bevarelse. Specifikt giver vi trinvise instruktioner om, hvordan man undersøger sekvensbevarelse og kodningspotentiale ved hjælp af fylogenetiske codonsubstitutionsfrekvenser (PhyloCSF) i den brugervenlige University of California Santa Cruz (UCSC) Genome Browser. Derudover beskriver vi trin til effektivt at generere flere arters justeringer af identificerede mikroproteinsekvenser for at visualisere aminosyresekvensbevarelse og anbefale ressourcer til at analysere mikroproteinegenskaber, herunder forudsagte domænestrukturer. Disse kraftfulde værktøjer kan bruges til at hjælpe med at identificere formodede mikroproteinkodende sekvenser i ikke-kanoniske genomiske regioner eller til at udelukke tilstedeværelsen af en konserveret kodningssekvens med translationelt potentiale i et ikke-kodende transkript af interesse.

Introduction

Identifikationen af det komplette sæt kodende elementer i genomet har været et vigtigt mål siden indledningen af Human Genome Project og er fortsat et centralt mål for forståelsen af biologiske systemer og ætiologien af genetisk baserede sygdomme 1,2,3,4. Fremskridt inden for NGS-teknikker har ført til produktion af hele genomsekvenser for et omfattende antal organismer, herunder hvirveldyr, hvirvelløse dyr, gær og planter5. Derudover har transkriptionelle sekventeringsmetoder med høj kapacitet yderligere afsløret kompleksiteten af det cellulære transkriptom og identificeret tusindvis af nye RNA-molekyler med både proteinkodende og ikke-kodende funktioner 6,7. Afkodning af denne enorme mængde sekvensinformation er en løbende proces, og der er stadig udfordringer med omfattende genannoteringsindsatser8.

Den seneste udvikling af translationelle profileringsmetoder, herunder ribosomprofilering 9,10 og poly-ribosomsekventering11, har givet bevis for, at hundredvis af ikke-kanoniske translationshændelser kortlægges til aktuelt ikke-kommenterede sORF’er i hele genomet med potentiale til at generere små proteiner kaldet mikroproteiner eller mikropeptider 12,13,14,15,16 17. Mikroproteiner er opstået som en ny klasse af alsidige proteiner, der tidligere blev overset af standardgenannoteringsmetoder på grund af deres lille størrelse (<100 aminosyrer) og mangel på klassiske proteinkodende genkarakteristika 8,12,18,19,20. Mikroproteiner er blevet beskrevet i stort set alle organismer, herunder gær21,22, fluer 17,23,24 og pattedyr 25,26,27,28, og har vist sig at spille kritiske roller i forskellige processer, herunder udvikling, metabolisme og stresssignalering 19,20,29, 30,31,32,33,34. Det er således bydende nødvendigt at fortsætte med at udvinde genomet for yderligere medlemmer af denne længe oversete klasse af funktionelle små proteiner.

På trods af den udbredte anerkendelse af mikroproteiners biologiske betydning er denne klasse af gener fortsat stærkt underrepræsenteret i genomannoteringer, og deres nøjagtige identifikation er fortsat en løbende udfordring, der har hindret fremskridt på området. Forskellige beregningsværktøjer og eksperimentelle metoder er for nylig blevet udviklet for at overvinde vanskelighederne forbundet med at identificere mikroproteinkodende sekvenser (diskuteret udførligt i flere omfattende anmeldelser 8,35,36,37). Mange nylige mikroproteinidentifikationsundersøgelser 38,39,40,41,42,43,44,45,46,47 har været stærkt afhængige af brugen af en sådan algoritme kaldet PhyloCSF48,49 , en kraftfuld komparativ genomisk tilgang, der kan udnyttes til at skelne konserverede proteinkodende regioner i genomet fra dem, der ikke er kodende.

PhyloCSF sammenligner codonsubstitutionsfrekvenser (CSF) ved hjælp af multi-species nukleotidjusteringer og fylogenetiske modeller til at detektere evolutionære signaturer af proteinkodende gener. Denne empiriske modelbaserede tilgang er afhængig af den forudsætning, at proteiner primært bevares på aminosyreniveau snarere end nukleotidsekvensen. Derfor scores synonyme codonsubstitutioner, der koder for den samme aminosyre, eller codonsubstitutioner til aminosyrer med konserverede egenskaber (dvs. ladning, hydrofobicitet, polaritet) positivt, mens ikke-synonyme substitutioner, herunder missense og nonsenssubstitutioner, scorer negativt. PhyloCSF er trænet på helgenomdata og har vist sig at være effektiv til at score korte dele af en kodende sekvens (CDS) isoleret fra den fulde sekvens, hvilket er nødvendigt ved analyse af mikroproteiner eller individuelle exoner af standardproteinkodende gener48,49.

Især den nylige integration af PhyloCSF-sporhubs i University of California Santa Cruz (UCSC) Genome Browser 49,50,51 gør det muligt for efterforskere af alle baggrunde let at få adgang til en brugervenlig grænseflade for at forespørge genomiske regioner af interesse for proteinkodningspotentiale. Protokollen beskrevet nedenfor giver detaljeret instruktion om, hvordan man indlæser PhyloCSF-sporhubs på UCSC Genome Browser og efterfølgende forhører genomiske regioner af interesse for at undersøge for proteinkodende regioner med høj tillid (eller manglen på samme). I tilfælde af, hvor der observeres en positiv PhyloCSF-score, afgrænses trin for yderligere at analysere mikroproteinkodende potentiale og effektivt generere flere artsjusteringer af de identificerede aminosyresekvenser for at illustrere bevarelse af sekvenser på tværs af arter. Endelig introduceres flere yderligere offentligt tilgængelige ressourcer og værktøjer i diskussionen for at undersøge identificerede mikroproteinegenskaber, herunder forudsagte domænestrukturer og indsigt i formodet mikroproteinfunktion.

Protocol

Protokollen beskrevet nedenfor beskriver trin til at indlæse og navigere i PhyloCSF-browsersporene på UCSC Genome Browser (genereret af Mudge et al.49). For generelle spørgsmål vedrørende UCSC Genome Browser kan en omfattende brugervejledning til genombrowser findes her: https://genome.ucsc.edu/goldenPath/help/hgTracksHelp.html. 1. Indlæsning af PhyloCSF Track Hub til UCSC Genome Browser…

Representative Results

Her vil vi bruge det validerede mikroprotein mitoregulin (Mtln) som et eksempel til at demonstrere, hvordan en konserveret sORF vil generere en positiv PhyloCSF-score, der let kan visualiseres og analyseres i UCSC Genome Browser. Mitoregulin blev tidligere kommenteret som et ikke-kodende RNA (tidligere humant gen-ID LINC00116 og musegen-ID 1500011K16Rik). Sammenlignende genomforskning og sekvensbevaringsanalysemetoder spillede en kritisk rolle i dens oprindelige opdagelse</s…

Discussion

Protokollen, der præsenteres her, giver detaljerede instruktioner om, hvordan man forhører genomiske regioner af interesse for mikroproteinkodningspotentiale ved hjælp af PhyloCSF på den brugervenlige UCSC Genome Browser 48,49,50,51. Som beskrevet ovenfor er PhyloCSF en kraftfuld komparativ genomisk algoritme, der integrerer fylogenetiske modeller og codonsubstitutionsfrekvenser for at iden…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dette arbejde blev støttet af tilskud fra National Institutes of Health (HL-141630 og HL-160569) og Cincinnati Children’s Research Foundation (Trustee Award).

Materials

Website Website Address Requirements
Clustal Omega Multiple Sequence Alignment Tool https://www.ebi.ac.uk/Tools/msa/clustalo/ Web browser Multiple sequence alignment program for the efficient alignment of FASTA sequences (i.e. for cross-species comparison of identified microproteins)
COXPRESSdb https://coxpresdb.jp Web browser Provides co-regulated gene relationships to estimate gene functions
EMBL-EBI Bioinformatics Tools FAQs https://www.ebi.ac.uk/seqdb/confluence/display/JDSAT/Bioinformatics+Tools+FAQ Web browser Frequently Asked Questions (FAQs) for EMBL-EBI tools. Includes the color coding key for protein sequence alignments
European Bioinformatics Institute (EMBL-EBI),
Tools and Data Resources
https://www.ebi.ac.uk/services/all Web browser Comprehensive list of freely available websites, tools and data resources
Expasy – Swiss Bioinformatics Resource Portal https://www.expasy.org Web browser Suite of bioinformatic tools and resources for protein sequence analysis that is maintained by the Swiss Institute of Bioinformatics (SIB)
National Center for Biotechnology Information (NCBI)
Conserved Domain Search
https://www.ncbi.nlm.nih.gov/Structure/cdd/wrpsb.cgi Web browser Search tool to identify conserved domains within protein or coding nucleotide sequences
Pfam 35 http://pfam.xfam.org Web browser Protein family (Pfam) database, provides alignments and classification of protein families and domains
PhyloCSF Track Hub Description https://genome.ucsc.edu/cgi-bin/hgTrackUi?hgsid=1267045267_TEc99h2oW5Q
edaCd4ir8aZ65ryaD&db=mm10
&c=chr2&g=hub_109801_
PhyloCSF_smooth
Web browser Detailed description of the Smoothed PhyloCSF tracks and PhyloCSF Track Hub
   
   
   
   
   
SignalP 6.0 https://services.healthtech.dtu.dk/service.php?SignalP-6.0 Web browser Predicts the presence of signal peptides and the location of their cleavage sites
TMHMM – 2.0 https://services.healthtech.dtu.dk/service.php?TMHMM-2.0 Web browser Prediction of transmembrane helices in proteins
UCSC Genome Browser BLAT Search https://genome.ucsc.edu/cgi-bin/hgBlat Web browser Tool used to find genomic regions using DNA or protein sequence information
UCSC Genome Browser Gateway https://genome.ucsc.edu/cgi-bin/hgGateway Web browser Direct link to the UCSC Genome Browser Gateway
UCSC Genome Browser Home https://genome.ucsc.edu/ Web browser Home website for the UCSC Genome Browser
UCSC Genome Browser Track Data Hubs https://genome.ucsc.edu/cgi-bin/hgHubConnect#publicHubs Web browser Direct link to Track Data Hubs/Public Hubs database to search for and load the PhyloCSF Tracks
UCSC Genome Browser User Guide https://genome.ucsc.edu/goldenPath/help/hgTracksHelp.html Web browser Comprehensive user guide detailing how to navigate the UCSC Genome Browser
WoLF PSORT https://wolfpsort.hgc.jp Web browser Protein subcellular localization prediction tool

References

  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).

Play Video

Cite This Article
Brito-Estrada, O., Hassel, K. R., Makarewich, C. A. An Integrated Approach for Microprotein Identification and Sequence Analysis. J. Vis. Exp. (185), e63841, doi:10.3791/63841 (2022).

View Video