De novo protein discovery in non-model organisms

Die Autoren entwickelten „plant", eine de novo computergestützte Methode, die der Chromatographie analog ist und den Vergleich, die Annotation und die Quantifizierung von Proteindomänen in Transkriptomen nicht-modellorganismischer Spezies ohne Referenzgenom ermöglicht, wie durch eine Analyse von *Selaginella*-Arten unter Verwendung von 1KP-RNA-seq-Daten demonstriert wurde.

Das Wesentliche

Stellen Sie sich vor, Sie haben zwei verschiedene Bibliotheken mit Büchern, doch keine der Bibliotheken verfügt über ein Inhaltsverzeichnis, und die Bücher sind in Sprachen verfasst, die Sie nicht sprechen. Normalerweise bräuchten Sie zum Vergleich einen Hauptübersetzer oder einen Referenzführer. Doch was, wenn Sie diese Bibliotheken ohne all das vergleichen möchten?

Das ist das Problem, dem sich Wissenschaftler gegenübersehen, wenn sie Pflanzen untersuchen wollen, für die kein „Referenzgenom" (ein Master-Blueprint) verfügbar ist. Um dies zu lösen, entwickelten sie ein neues digitales Werkzeug namens plant (was für „Parallel Annotation of Transcriptomes" steht).

So funktioniert es, anhand einer einfachen Analogie:

Die Kaffeefilter-Analogie
Stellen Sie sich eine komplexe Mischung aus Kaffeepulver und Wasser vor. Um zu verstehen, was sich darin befindet, könnten Sie einen Filter verwenden, um die Flüssigkeit von den Feststoffen zu trennen. Die plant-Methode funktioniert ähnlich, nutzt jedoch statt eines physischen Filters ein Computerprogramm. Sie nimmt die unordentlichen, rohen Daten aus dem genetischen Code einer Pflanze (RNA-seq) und „filtert" sie, um die spezifischen Bausteine zu isolieren, aus denen ihre Proteine bestehen.

Der LEGO-Stein-Vergleich
Normalerweise vergleichen Wissenschaftler Pflanzen, indem sie sich spezifische Gene ansehen, was so ist, als würde man versuchen, zwei verschiedene Sätze von LEGO-Anleitungen zu vergleichen, die völlig unterschiedliche Benennungssysteme verwenden. Es ist schwierig, sie zusammenzubringen.

Stattdessen ignoriert plant die spezifischen Anleitungen und betrachtet die LEGO-Steine selbst (universelle Protein-Domänen). Genau wie ein „2x4-roter Stein" derselbe ist, egal ob er in einem Schloss-Set oder einem Raumschiff-Set verwendet wird, sind diese Protein-Bausteine über verschiedene Arten hinweg universell. Indem das Werkzeug zählt, wie viele von jedem „Stein" in der einen Pflanze im Vergleich zur anderen verwendet werden, kann es sie direkt vergleichen, selbst wenn die Pflanzen verschiedenen Arten angehören.

Das Experiment
Die Forscher testeten dies an mehreren Arten von Selaginella-Pflanzen (eine Art uralter Pflanzen) unter Verwendung von Daten aus dem Projekt „1000 Plants". Sie führten drei Hauptaktionen durch:

1. Das Puzzle zusammengesetzt: Sie nahmen rohe genetische Daten und fügten sie wie ein Puzzle zusammen.
2. Die Teile identifiziert: Sie prüften diese Teile gegen eine riesige Datenbank (Pfam), um zu sehen, welche Art von „LEGO-Steinen" (Proteinstrukturen) sie waren.
3. Die Teile gezählt: Sie maßen, wie viel von jedem Stein verwendet wurde.

Das Ergebnis
Indem sie das „Was" (die Proteinstruktur) mit dem „Wie viel" (die Menge) kombinierten, konnten sie genau erkennen, welche Proteinstrukturen in den Pflanzen aktiv waren. Da sie sich auf diese universellen Steine konzentrierten, konnten sie die Pflanzen fair vergleichen, selbst ohne einen Master-Blueprint.

Sie entdeckten auch einige einzigartige „Steine", die nur in bestimmten Arten vorkamen, und konnten sie bis zum exakten Gen zurückverfolgen, das sie herstellte. Schließlich erstellten sie einen farbenfrohen „Blasendiagramm" (eine Art Diagramm), um zu visualisieren, wie diese Proteinbestandteile über die verschiedenen Pflanzen verteilt waren, was es leicht machte, die Muster auf einen Blick zu erkennen.

Kurz gesagt ermöglicht diese Methode Wissenschaftlern, die inneren Abläufe verschiedener Pflanzen zu vergleichen, indem sie sich auf ihre gemeinsamen, universellen Bausteine konzentrieren, anstatt sich in den Unterschieden ihrer spezifischen genetischen Sprachen zu verlieren.

Technische Zusammenfassung

Technischer Zusammenfassung: De-novo-Proteinentdeckung bei Nicht-Modellorganismen

Problembeschreibung
Die zentrale Herausforderung besteht in der Analyse von RNA-seq-Daten von Nicht-Modellorganismen, denen Referenzgenome fehlen. Die traditionelle Analyse der differentiellen Genexpression beruht auf artspezifischen Genzuordnungen, die für viele Arten nicht verfügbar sind. Folglich besteht ein Bedarf nach einer Methode, die den Vergleich transkriptomischer Daten über verschiedene Arten hinweg ermöglicht, ohne dass ein vorliegendes genomisches Framework erforderlich ist, mit dem spezifischen Fokus auf die Identifizierung und Quantifizierung von Proteinbestandteilen anstelle ganzer Gene.

Methodik
Die Autoren entwickelten ein rechnerisches Framework namens plant (Parallel Annotation of Transcriptomes), das eine konzeptionelle Parallele zur Chromatographie zieht. Genau wie die Chromatographie eine komplexe Mischung filtert, um einzelne Komponenten zu isolieren, filtert plant transkriptomische Daten, um spezifische Proteinbestandteile zu identifizieren, zu annotieren und zu quantifizieren.

Der Arbeitsablauf verläuft wie folgt:

1. Datenerfassung und Assemblierung: Roh-RNA-seq-Reads verschiedener Selaginella-Arten (bezogen aus der 1000 Plant transcriptomes initiative, oder 1KP) wurden mittels Trinity zu Transkripten assembliert.
2. Domänenannotation: Die assemblierten Transkripte wurden mittels InterProScan gegen die Protein-Domänen-Datenbank Pfam durchsucht. Dies verschiebt die Vergleichseinheit von artspezifischen Genen zu universellen Protein-Domänen.
3. Quantifizierung: Die Transkripte wurden mittels kallisto quantifiziert.
4. Integration: Die Autoren fusionierten die Annotationsdaten (Vorhandensein spezifischer Proteinstrukturen) mit den Quantifizierungsdaten (Expressionsniveaus). Dies ermöglicht die Bestimmung, wie häufig eine vorhergesagte Proteinstruktur exprimiert wird.
5. Visualisierung: Zur Visualisierung der Verteilung von Pfam-Annotationen und Gene-Ontology-(GO)-Begriffen über die untersuchten Arten hinweg wurde ein Blasendiagramm erstellt.

Hauptbeiträge und Ergebnisse
Der primäre Beitrag ist eine Methode, die einen artenübergreifenden Vergleich auf Basis von universellen Protein-Domänen-Annotationen anstelle orthologer Gene ermöglicht. Indem die Vergleiche an Protein-Domänen verankert werden, erleichtert die Methode die Analyse von Organismen, die durch relativ kurze evolutionäre Distanzen getrennt sind, ohne ein Referenzgenom.

Zu den demonstrierten wesentlichen Erkenntnissen und Fähigkeiten gehören:

• Artübergreifende Vergleichbarkeit: Die quantifizierten Annotationen von Protein-Domänen erwiesen sich als über verschiedene Arten hinweg vergleichbar.
• Identifizierung von Spezifität: Die Methode identifizierte erfolgreich das Vorhandensein artspezifischer Protein-Domänen.
• Rückverfolgbarkeit: Die Pipeline ermöglicht es Forschern, spezifische Domänen-Annotationen auf ihre Ursprungsgene zurückzuführen.
• Visualisierung: Die Studie lieferte visuelle Darstellungen (Blasendiagramme) der Verteilung funktioneller Annotationen über die analysierten Selaginella-Arten.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass plant einen gangbaren Ansatz für die De-novo-Proteinentdeckung und vergleichende Transkriptomik in Abwesenheit von Referenzgenomen bietet. Indem das Transkriptom als eine Mischung behandelt wird, die nach ihren konstituierenden Protein-Domänen gefiltert und analysiert wird, bietet die Methode einen Weg, das funktionelle Potenzial verschiedener Arten zu vergleichen. Die Autoren positionieren dies als Werkzeug, um „zu sehen, wie häufig eine vorhergesagte Proteinstruktur über Arten hinweg exprimiert wird", und bieten einen Pfad zur Analyse komplexer transkriptomischer Daten, bei denen traditionelle gen-zentrierte Ansätze versagen. Die Bedeutung liegt in der Fähigkeit, vergleichende Analysen an Nicht-Modellorganismen unter Verwendung öffentlich verfügbarer RNA-seq-Daten durchzuführen, sofern die evolutionäre Distanz zwischen den Arten relativ gering ist.