ECLIPSE: Exploring the dark proteome of ESKAPE pathogens through the sequence similarity network of the Protein Universe Atlas

El estudio presenta ECLIPSE, un marco computacional basado en redes que identifica y prioriza proteínas oscuras (sin caracterizar) en el panproteoma de patógenos ESKAPE, como *Pseudomonas aeruginosa*, mediante el análisis de la red de similitud de secuencias del Atlas del Universo de Proteínas para descubrir nuevos objetivos moleculares contra la resistencia antimicrobiana.

Lo esencial

¡Claro que sí! Imagina que el mundo de las bacterias que nos enferman (conocidas como ESKAPE) es como una ciudad gigante y muy antigua. En esta ciudad, hay millones de edificios (proteínas) que hacen funcionar a la bacteria. Los científicos ya han estudiado muchos de estos edificios y saben para qué sirven: algunos son fábricas de energía, otros son puertas de entrada, etc.

Sin embargo, hay una parte oscura de la ciudad, un barrio misterioso lleno de edificios que nadie ha entrado nunca. A estos edificios se les llama "proteínas oscuras" o "hipotéticas". Sabemos que existen, pero no tenemos planos, no sabemos qué hacen y, lo más importante, no sabemos si son vitales para que la bacteria sobreviva o cause enfermedades.

Aquí es donde entra el trabajo de ECLIPSE.

¿Qué es ECLIPSE?

Piensa en ECLIPSE como un detective superinteligente con un mapa estelar.

En lugar de intentar entrar edificio por edificio (lo cual sería imposible porque son millones), este detective usa una técnica genial:

1. El Mapa del Universo: Tiene un mapa gigante (llamado Atlas del Universo de Proteínas) que conecta todos los edificios conocidos del mundo con sus vecinos. Si dos edificios se parecen mucho, están conectados por una línea.
2. La Búsqueda de lo Desconocido: ECLIPSE toma la lista de edificios de la ciudad bacteriana y los coloca en este mapa. Si un edificio no tiene ninguna conexión con edificios conocidos (no tiene vecinos que sepan qué hacen), el detective lo marca como "OSCURO". Es como encontrar una casa en el mapa que no tiene teléfono, ni dirección, ni vecinos conocidos.

¿Cómo eligen a los "sospechosos" más importantes?

Encontrar un edificio oscuro es solo el primer paso. Hay miles. ¿A cuál vamos a investigar primero? Para eso, ECLIPSE usa una puntuación de prioridad (DPPS), que funciona como un sistema de semáforos y filtros:

• Filtro 1: ¿Es exclusivo de los criminales? Si el edificio oscuro solo existe en las bacterias malas (ESKAPE) y no en las bacterias buenas que viven en nuestro cuerpo, ¡es un sospechoso muy interesante!
• Filtro 2: ¿Está en todas las ciudades? Si el edificio oscuro aparece en casi todas las cepas de la bacteria (como si estuviera en todas las casas de un barrio), es probable que sea algo muy importante para la bacteria.
• Filtro 3: ¿Es resistente? Si el edificio es muy difícil de encontrar en otros lugares, significa que la bacteria lo ha guardado celosamente.

Al combinar estos filtros, ECLIPSE crea una lista de "Top 10" de los edificios oscuros más sospechosos.

El gran descubrimiento: La casa misteriosa

Los investigadores probaron este sistema con una bacteria muy peligrosa llamada Pseudomonas aeruginosa. De entre miles de edificios oscuros, ECLIPSE señaló a uno en particular (el componente 95203) como el sospechoso número uno.

¿Qué descubrieron sobre este edificio?

• La forma: Usando una "máquina de adivinar formas" (llamada AlphaFold), vieron que el edificio tiene una forma de tubo con barras (un barril beta), algo muy raro y específico.
• El vecindario: Al mirar alrededor de este edificio en el mapa genético, vieron que siempre está construido justo al lado de un "gerente" (un regulador genético) que controla cómo la bacteria se comunica con otras y forma colonias (biopelículas).
• La conclusión: Es muy probable que este edificio oscuro sea una pieza clave para que la bacteria sea peligrosa. Como nadie lo ha estudiado antes, es un nuevo objetivo perfecto para crear un nuevo antibiótico que lo destruya sin dañar a las personas.

¿Por qué es esto importante?

La resistencia a los antibióticos es como una carrera de velocidad entre los médicos y las bacterias. Las bacterias están aprendiendo a esquivar nuestras armas actuales.

ECLIPSE nos da un nuevo mapa para encontrar armas secretas que nadie había visto antes. En lugar de buscar en lo que ya conocemos, nos lleva a la "zona oscura" de la biología donde es más probable encontrar soluciones nuevas y efectivas.

En resumen:
ECLIPSE es como una linterna mágica que ilumina las esquinas más oscuras de la ciudad bacteriana, encontrando los secretos mejor guardados de los gérmenes para que los científicos puedan diseñar nuevas medicinas y ganar la batalla contra las infecciones resistentes.

Resumen técnico

Resumen Técnico: ECLIPSE

1. El Problema: La "Proteoma Oscura" y la Resistencia Antimicrobiana

La crisis global de resistencia a los antimicrobianos (RAM) en los patógenos críticos ESKAPE (Enterococcus faecium, Staphylococcus aureus, Klebsiella pneumoniae, Acinetobacter baumannii, Pseudomonas aeruginosa y Enterobacter spp.) exige la identificación urgente de nuevas dianas moleculares. Sin embargo, una fracción sustancial de los proteomas bacterianos permanece funcionalmente no caracterizada.

• La "Proteoma Oscura": Muchos genes se annotan como "proteínas hipotéticas" porque carecen de similitud significativa con familias conocidas mediante métodos de homología convencionales (como BLAST o HMM).
• Limitación Actual: Las herramientas de anotación estándar no pueden explorar el contexto evolutivo más allá de la similitud par a par, dejando "oscuras" regiones del proteoma que podrían contener factores de virulencia o dianas terapéuticas críticas.

2. Metodología: El Marco Computacional ECLIPSE

Los autores presentan ECLIPSE (ESKAPE Connectome Linkage and Inference for Proteome Sequence Exploration), un marco computacional basado en redes que mapea los proteomas de patógenos dentro de la red global de similitud de secuencias del Atlas del Universo de Proteínas (Protein Universe Atlas - ATLAS).

El flujo de trabajo consta de tres capas analíticas principales:

• A. Mapeo en la Red de Similitud (Atlas):

  • Utiliza MMseqs2 para mapear millones de secuencias de proteínas patógenas contra el dataset AFDB_90 (basado en UniRef50 y modelos de AlphaFold).
  • En lugar de buscar solo homólogos directos, ECLIPSE identifica componentes conectados en la red.
  • Definición de "Oscuridad": Se calcula una métrica de "brillo funcional" (porcentaje de homólogos con anotación). Un componente se considera "oscuro" si tiene un brillo del 0% (ningún miembro tiene anotación funcional conocida en todo el universo de proteínas).

• B. Análisis de Diversidad Taxonómica:

  • Se utilizan índices de Shannon normalizados para calcular la "evenness" (uniformidad) taxonómica.
  • Esto permite clasificar los componentes oscuros en dos vías no superpuestas:
    1. Específicos de Pseudomonas: Componentes donde el 100% de los miembros pertenecen al género Pseudomonas.
    2. Enriquecidos en ESKAPE: Componentes donde al menos el 50% de los miembros pertenecen a géneros ESKAPE, pero no son exclusivos de un solo género.

• C. Puntuación de Priorización (DPPS - Dark Proteome Prioritisation Score):

  • Se desarrolla un sistema de puntuación compuesto para rankear candidatos oscuros.
  • Sub-puntuaciones (S1-S5):
    • S1: Oscuridad funcional (100% oscuro).
    • S2/S2b: Evidencia de presencia en P. aeruginosa (basada en Atlas o conservación en cepas de consulta). Nota: S2b corrige errores de anotación en UniProt donde secuencias reales de PA se etiquetan como "Pseudomonas sp.".
    • S3: Restricción al clado de RAM (baja entropía taxonómica fuera de ESKAPE).
    • S4: Conservación empírica a través de 635 cepas de P. aeruginosa.
    • S5: Enriquecimiento en ESKAPE (para la vía B).
  • Robustez: Se realiza un análisis de sensibilidad de Monte Carlo (500 iteraciones con perturbación de pesos) para asegurar que los candidatos de alto rango no dependen de una elección arbitraria de pesos.

3. Resultados Clave

El estudio se aplicó como caso de prueba al panproteoma de 635 cepas de Pseudomonas aeruginosa (3,46 millones de secuencias).

• Cuantificación de la Oscuridad:

  • El 9% de las secuencias mapeadas residen en comunidades oscuras.
  • El 4% (120,985 proteínas) reside en componentes conectados completamente oscuros (sin ningún homólogo anotado en ninguna distancia evolutiva capturada por el Atlas).

• Priorización (Tier I):

  • Tras filtrar por longitud (≥300 aa) y redundancia, se identificaron candidatos de Tier I (DPPS ≥ 0.75).
  • Vía Específica de PA: 2 componentes Tier I. El mejor (ID 191318) está presente en 634/635 cepas y tiene una restricción perfecta al clado RAM, a pesar de tener 0% de anotación en el Atlas (demostrando la utilidad de la corrección S2b).
  • Vía Enriquecida en ESKAPE: 5 componentes Tier I. El mejor (ID 92818) muestra alto enriquecimiento en ESKAPE y conservación casi universal en cepas de PA.

• Validación Estructural y Genómica (Caso de Estudio - Componente 95203):

  • Se seleccionó el componente 95203 (Tier I, enriquecido en ESKAPE) para caracterización profunda.
  • Estructura: Modelado con AlphaFold2 y búsqueda con Foldseek. Reveló un nuevo pliegue de barril beta de 18 hebras perteneciente a la familia DUF1302.
  • Hallazgo: No tiene homólogos estructurales experimentales caracterizados en la PDB.
  • Contexto Genómico: Se encuentra co-localizado con reguladores transcripcionales del tipo LuxR y genes DUF1329 en regiones conservadas, sugiriendo un papel en la detección de quórum y formación de biopelículas.

4. Contribuciones Principales

1. Marco ECLIPSE: Una herramienta escalable y de código abierto (disponible en GitHub) que integra la topología de redes de similitud de secuencias para identificar proteínas oscuras a escala de panproteoma, superando las limitaciones de BLAST/HMM.
2. Métrica DPPS: Un sistema de puntuación multidimensional que prioriza candidatos basándose en la oscuridad, la conservación, la restricción taxonómica y el enriquecimiento patógeno, validado mediante análisis de estabilidad.
3. Descubrimiento Estructural: La identificación de una nueva familia de proteínas (DUF1302) con un pliegue beta-barrel no caracterizado, que es universal en P. aeruginosa y enriquecida en patógenos ESKAPE.
4. Corrección de Sesgos de Anotación: La metodología demuestra cómo la anotación basada únicamente en bases de datos (UniProt) puede subestimar la presencia de proteínas en cepas específicas, y cómo el uso de datos de secuencias crudas (strain coverage) corrige esto.

5. Significancia e Impacto

• Nuevas Dianas Terapéuticas: ECLIPSE ilumina regiones del proteoma bacteriano que han sido ignoradas, proporcionando una lista priorizada de candidatos para validación experimental como posibles dianas de antibióticos de amplio espectro.
• Escalabilidad: El pipeline es agnóstico al patógeno y puede aplicarse a cualquier bacteria ESKAPE (como Klebsiella o Staphylococcus) simplemente ajustando los datos de entrada.
• Cambio de Paradigma: Demuestra que la "oscuridad" funcional no es solo un vacío de datos, sino una fuente de biología evolutivamente conservada y potencialmente crítica para la patogenicidad, que requiere enfoques basados en redes en lugar de búsquedas par a par tradicionales.

En conclusión, el estudio proporciona una hoja de ruta computacional robusta para transformar proteínas "hipotéticas" en dianas biológicas validadas, abordando directamente la necesidad de nuevas estrategias contra la resistencia antimicrobiana.