De novo protein discovery in non-model organisms

Gli autori hanno sviluppato "plant", un metodo computazionale de novo analogo alla cromatografia che consente il confronto, l'annotazione e la quantificazione dei domini proteici nei trascrittomi di organismi non modello senza richiedere un genoma di riferimento, come dimostrato attraverso un'analisi delle specie di *Selaginella* utilizzando dati RNA-seq di 1KP.

L'essenziale

Immagina di avere due diverse biblioteche di libri, ma nessuna delle due ha un indice, e i libri sono scritti in lingue che non parli. Di solito, per confrontarle, avresti bisogno di un traduttore esperto o di una guida di riferimento. Ma cosa succederebbe se volessi confrontare queste biblioteche senza nulla di tutto ciò?

Questo è il problema che gli scienziati hanno affrontato quando hanno cercato di studiare piante che non avevano a disposizione un "genoma di riferimento" (un progetto maestro). Per risolvere il problema, hanno creato un nuovo strumento digitale chiamato plant (che sta per Parallel Annotation of Transcriptomes).

Ecco come funziona, usando una semplice analogia:

L'analogia del filtro da caffè
Pensa a una complessa miscela di fondi di caffè e acqua. Per capire cosa c'è dentro, potresti usare un filtro per separare il liquido dai solidi. Il metodo plant funziona in modo simile, ma invece di un filtro fisico, utilizza un programma informatico. Prende i dati disordinati e grezzi dal codice genetico di una pianta (RNA-seq) e li "filtra" per isolare i mattoncini specifici che compongono le sue proteine.

Il confronto con i mattoncini LEGO
Di solito, gli scienziati confrontano le piante esaminando geni specifici, il che è come cercare di confrontare due diversi set di istruzioni LEGO che utilizzano sistemi di denominazione completamente diversi. È difficile metterli in corrispondenza.

Invece, plant ignora le istruzioni specifiche e guarda ai mattoncini LEGO stessi (domini proteici universali). Proprio come un "mattoncino rosso 2x4" è lo stesso sia che si trovi in un set di castello o in uno di astronave, questi mattoncini costruttivi proteici sono universali tra le diverse specie. Contando quanti di ogni "mattoncino" viene utilizzato in una pianta rispetto a un'altra, lo strumento può confrontarle direttamente, anche se le piante appartengono a specie diverse.

L'esperimento
I ricercatori hanno testato questo metodo su diversi tipi di piante Selaginella (un tipo di pianta antica) utilizzando i dati del progetto "1000 Plants". Hanno fatto tre cose principali:

1. Hanno assemblato il puzzle: Hanno preso i dati genetici grezzi e li hanno messi insieme come un puzzle.
2. Hanno identificato le parti: Hanno confrontato questi pezzi con un'enorme banca dati (Pfam) per vedere che tipo di "mattoncini LEGO" (strutture proteiche) fossero.
3. Hanno contato le parti: Hanno misurato quanto di ogni mattoncino veniva utilizzato.

Il risultato
Combinando il "cosa" (la struttura proteica) con il "quanto" (la quantità), hanno potuto vedere esattamente quali strutture proteiche erano attive nelle piante. Poiché si sono concentrati su questi mattoncini universali, hanno potuto confrontare le piante in modo equo, anche senza un progetto maestro.

Hanno anche scoperto alcuni "mattoncini" unici che apparivano solo in specie specifiche e sono riusciti a rintracciarli fino al gene esatto che li aveva prodotti. Infine, hanno creato un colorato "grafico a bolle" (un tipo di grafico) per visualizzare come queste parti proteiche fossero distribuite tra le diverse piante, rendendo facile vedere i modelli a colpo d'occhio.

In breve, questo metodo permette agli scienziati di confrontare il funzionamento interno di diverse piante concentrandosi sui loro mattoncini costruttivi condivisi e universali, piuttosto che perdersi nelle differenze delle loro specifiche lingue genetiche.

Sommario tecnico

Riepilogo Tecnico: Scoperta di Proteine De Novo in Organismi Non-Modello

Enunciato del Problema
La sfida centrale affrontata è l'analisi dei dati RNA-seq provenienti da organismi non-modello privi di genomi di riferimento. L'analisi tradizionale dell'espressione genica differenziale si basa su mappature geniche specifiche per specie, che non sono disponibili per molte specie. Di conseguenza, vi è la necessità di un metodo capace di confrontare dati trascrittomici tra specie diverse senza richiedere un quadro genomico preesistente, focalizzandosi specificamente sull'identificazione e quantificazione dei componenti proteici piuttosto che su interi geni.

Metodologia
Gli autori hanno sviluppato un framework computazionale denominato plant (Parallel Annotation of Transcriptomes), che stabilisce un parallelo concettuale con la cromatografia. Proprio come la cromatografia filtra una miscela complessa per isolare i singoli componenti, plant filtra i dati trascrittomici per identificare, annotare e quantificare specifici componenti proteici.

Il flusso di lavoro procede come segue:

1. Acquisizione e Assemblaggio dei Dati: Le letture RNA-seq grezze provenienti da varie specie di Selaginella (provenienti dall'iniziativa 1000 Plant transcriptomes, o 1KP) sono state assemblate in trascritti utilizzando Trinity.
2. Annotazione dei Domini: I trascritti assemblati sono stati cercati nel database dei domini proteici Pfam utilizzando InterProScan. Questo sposta l'unità di confronto dai geni specifici per specie ai domini proteici universali.
3. Quantificazione: I trascritti sono stati quantificati utilizzando kallisto.
4. Integrazione: Gli autori hanno unito i dati di annotazione (presenza di strutture proteiche specifiche) con i dati di quantificazione (livelli di espressione). Ciò consente di determinare con quale frequenza una struttura proteica predetta viene espressa.
5. Visualizzazione: È stato generato un grafico a bolle per visualizzare la distribuzione delle annotazioni Pfam e dei termini Gene Ontology (GO) tra le specie studiate.

Contributi e Risultati Chiave
Il contributo principale è un metodo che consente il confronto interspecie basato su annotazioni di domini proteici universali piuttosto che su geni ortologhi. Ancorando i confronti ai domini proteici, il metodo facilita l'analisi di organismi separati da distanze evolutive relativamente brevi senza un genoma di riferimento.

Le scoperte e le capacità chiave dimostrate includono:

• Confrontabilità Interspecie: Le annotazioni quantificate dei domini proteici si sono rivelate confrontabili tra specie diverse.
• Identificazione della Specificità: Il metodo ha identificato con successo la presenza di domini proteici specifici per specie.
• Tracciabilità: La pipeline permette ai ricercatori di tracciare le annotazioni di domini specifici fino ai geni di origine.
• Visualizzazione: Lo studio ha prodotto rappresentazioni visive (grafici a bolle) della distribuzione delle annotazioni funzionali tra le specie di Selaginella analizzate.

Significato e Affermazioni
Il documento afferma che plant offre un approccio praticabile per la scoperta di proteine de novo e la trascrittomica comparativa in assenza di genomi di riferimento. Trattando il trascrittoma come una miscela da filtrare e analizzare in base ai suoi domini proteici costituenti, il metodo fornisce un modo per confrontare il potenziale funzionale di specie diverse. Gli autori lo posizionano come uno strumento per "vedere con quale frequenza una struttura proteica predetta viene espressa" tra le specie, offrendo una via per analizzare dati trascrittomici complessi dove gli approcci tradizionali incentrati sui geni falliscono. Il significato risiede nella capacità di eseguire analisi comparative su organismi non-modello utilizzando dati RNA-seq pubblicamente disponibili, a condizione che la distanza evolutiva tra le specie sia relativamente breve.