CoMR: an integrative scoring pipeline for Comprehensive Mitochondrial proteome Reconstruction across eukaryotes

Het artikel introduceert CoMR, een geïntegreerde scoring-pijplijn die mitochondriale proteoomreconstructie in eukaryoten verbetert door doeltreffende targeting-predictie te combineren met homologie- en fylogenetische analyses, wat leidt tot een aanzienlijk betere prestatie dan bestaande methoden, zowel bij modelorganismen als bij evolutionair afwijkende soorten.

De kern

Stel je voor dat de mitochondriën de batterijen van een cel zijn. Ze zorgen voor de energie die nodig is om alles te laten draaien. Om te weten hoe deze batterijen precies werken, moeten wetenschappers een lijst maken van alle onderdelen (eiwitten) die erin zitten. Dit noemen ze het "mitochondriale proteoom".

Het probleem is: bij bekende organismen (zoals gist of mensen) is dit lijstje al grotendeels gemaakt. Maar bij vreemde, exotische organismen (zoals kleine, anaerobe protisten die in modder leven) is het een chaos. De "batterijen" van deze wezens zien er heel anders uit en hun onderdelen hebben soms geen duidelijke labels meer.

Hier komt CoMR in beeld.

Wat is CoMR eigenlijk?

CoMR staat voor Comprehensive Mitochondrial Reconstructor. Je kunt het zien als een super-detective of een slimme zoekmachine die niet vertrouwt op één aanwijzing, maar alles bij elkaar brengt om het juiste antwoord te vinden.

In het verleden probeerden wetenschappers alleen te kijken naar een N-kaart (een soort adreslabel aan het begin van een eiwit) om te zien of het eiwit naar de mitochondriën gaat.

• Het probleem: Bij vreemde organismen is dit label vaak weggevaagd, heel anders dan normaal, of gewoon niet aanwezig. Het is alsof je probeert een postbode te vinden die geen postzak meer draagt, maar gewoon een tas met een raar logo. Als je alleen op dat label let, mis je veel postbodes.

Hoe werkt CoMR? (De detective-analogie)

CoMR is niet tevreden met één aanwijzing. Het gebruikt een vier-sporen onderzoek om te bepalen of een eiwit bij de mitochondriën hoort:

1. Het Adreslabel (Voorspelling): CoMR kijkt eerst naar het traditionele label (de MTS). Zie je er eentje? Dat is een aanwijzing, maar niet alles.
2. De Stamboom (Fylogenie): CoMR kijkt naar de familiegeschiedenis. "Hé, dit eiwit lijkt op een neefje dat we zeker weten dat in de batterij werkt." Als het eiwit in de familieboom dicht bij bekende batterij-eiwitten staat, is dat een sterke aanwijzing.
3. De Gidsboeken (Homologie): CoMR vergelijkt het eiwit met enorme lijsten van bekende eiwitten uit andere organismen. "Hebben we dit al eens gezien in een andere batterij?"
4. De Grote Zoektocht (NR-database): CoMR gooit het eiwit op een enorme internet-achtige database om te zien of er ergens ter wereld iemand anders al heeft gezegd: "Ja, dit eiwit hoort bij de energiecentrale."

De "Scorekaart"

In plaats van te zeggen "Ja" of "Nee", geeft CoMR elke verdachte een score (van 0 tot 6).

• Heb je een label? +1 punt.
• Komt het uit een familie van batterij-eiwitten? +1 punt.
• Vind je het in de gidsboeken? +1 punt.
• En zo verder...

Hoe hoger de score, hoe waarschijnlijker het is dat het eiwit echt bij de mitochondriën hoort. Het is alsof je een verdachte niet direct arreest, maar eerst een dossier opbouwt met zoveel mogelijk bewijs.

Waarom is dit zo belangrijk? (De testresultaten)

De auteurs hebben CoMR getest op twee heel verschillende organismen:

1. De bekende gist (Saccharomyces cerevisiae):

   • Hier werkte de oude methode (alleen kijken naar het label) al redelijk goed, maar CoMR deed het veel beter. Het was alsof je van een goede detective een superdetective maakt die bijna geen fouten maakt.
   • Resultaat: CoMR vond veel meer echte batterij-eiwitten en maakte minder fouten dan de oude methode.

2. De vreemde protist (Paratrimastix pyriformis):

   • Dit is een heel exotisch wezentje met heel vreemde, gereduceerde batterijen. Hier was de oude methode vrijwel nutteloos. Het label was vaak weg of onleesbaar.
   • CoMR bleef echter krachtig. Zelfs met heel weinig bewijs en veel ruis, wist CoMR de echte batterij-eiwitten te vinden.
   • Resultaat: Zonder CoMR zou je bijna niets vinden. Met CoMR kon je de lijst met onderdelen bijna 80 keer beter samenstellen dan door toeval.

Conclusie

Kortom: CoMR is de nieuwe, slimme manier om de onderdelenlijst van mitochondriën te maken.

In plaats van blind te vertrouwen op één soort label (wat vaak mislukt bij vreemde organismen), gebruikt CoMR een combinatie van slimme voorspellingen, familiebanden en wereldwijde vergelijkingen. Het is een recept dat werkt voor zowel de bekende, saaie organismen als de bizarre, exotische wezens die we nog nauwelijks begrijpen. Hierdoor kunnen wetenschappers nu eindelijk zien hoe de energiecentrales van het hele leven op aarde in elkaar steken, zelfs bij de vreemdste bewoners.

Technische samenvatting

Probleemstelling

De reconstructie van het mitochondriale proteoom uit eukaryotische sequentiegegevens is traditioneel afhankelijk van de voorspelling van mitochondriale targeting signalen (MTS). Bestaande MTS-predictoren (zoals TargetP) zijn echter voornamelijk getraind op modelorganismen en presteren vaak slecht in fylogenetisch afwijkende lijnen of organismen met atypische of gereduceerde targetingsequenties. Veel anaerobe protisten bezitten mitochondriale-gerelateerde organellen (MRO's) die sterk gereduceerd zijn en waarvan de eiwitten vaak geen klassieke N-terminale signalen hebben. Het gebruik van alleen targeting-voorspellingen leidt daarom vaak tot een onderschatting van het proteoom of tot misclassificatie. Er is behoefte aan een geïntegreerd raamwerk dat meerdere onafhankelijke bewijsbronnen combineert om de nauwkeurigheid te verhogen.

Methodologie: De CoMR-pijplijn

De auteurs hebben CoMR (Comprehensive Mitochondrial Reconstructor) ontwikkeld, een modulaire, Snakemake-gebaseerde workflow die in een gecontaineerde omgeving (Docker/Singularity) draait voor reproduceerbaarheid. De pijplijn integreert vier parallelle bewijsstromen in een unificerend scorekader:

1. Voorspelling van targeting signalen:

   • Toepassing van vier onafhankelijke tools: TargetP 2.0, MitoProt, MitoFates en DeepMito.
   • De output wordt gestandaardiseerd om scores en categorische calls te aggregeren. DeepMito wordt apart gerapporteerd voor sub-mitochondriale lokalisatie maar telt niet mee in de hoofdcomposiete score.

2. Homologie- en profielgebaseerde zoekopdrachten:

   • DIAMOND BLASTP zoekopdrachten tegen meerdere databases, waaronder de CoMR Subtractive Mitochondrial Database (SMD). De SMD bevat gecurateerde mitochondriale en niet-mitochondriale eiwitten van zes organismen (o.a. Homo sapiens, Saccharomyces cerevisiae, Arabidopsis thaliana).
   • HMMER zoekopdrachten (hmmscan) tegen een gecurateerde database van mitochondriale profiel-HMM's, afgeleid van de SMD.
   • Optionele zoekopdrachten tegen de NCBI Non-Redundant (NR) database en een aangepaste database (CustomDB) voor lijnspecifieke analyses.

3. Fylogenetische validatie:

   • Sequenties met significante HMM-hits worden uitgelijnd met MAFFT en getrimd met trimAl.
   • Fylogenetische bomen worden geïnfereerd met IQ-TREE 2.
   • Automatische boom-parsing (met ete3) classificeert sequenties als mitochondriaal of niet-mitochondriaal op basis van hun plaatsing ten opzichte van bekende referenties.

4. Integratie en Scorekader:

   • Alle bewijslagen worden samengevoegd in een per-sequentie tabel.
   • Een regelgebaseerd scorekader (scorecard) berekent een cumulatieve CoMR-score (range 0-6 onder het standaard "gelijk gewicht" schema).
   • Elke bevestigende bron (positieve MTS-voorspelling, curatie-homologie, fylogenetische plaatsing, NR-homologie) levert één punt op.
   • De score is aanpasbaar; gebruikers kunnen gewichten aanpassen via externe bestanden.

Belangrijkste Bijdragen

• Integratief Framework: CoMR is de eerste workflow die targeting-voorspelling, gecurateerde homologie, grootschalige homologie en geautomatiseerde fylogenie combineert in één reproduceerbare pijplijn.
• Flexibiliteit en Robuustheid: Het systeem is ontworpen om zowel te werken op modelorganismen als op fylogenetisch verre, anaerobe protisten. De modulaire aard maakt het mogelijk om bewijslagen te wegen of uit te sluiten op basis van de dataset.
• Reproduceerbaarheid: De volledige workflow is gecontaineriseerd en beschikbaar via GitHub en Figshare, inclusief alle databases en scripts.

Resultaten

De prestaties van CoMR zijn gevalideerd op twee zeer verschillende organismen:

1. Modelorganisme (Saccharomyces cerevisiae):

   • CoMR behaalde een ROC-AUC van 0,92, wat aanzienlijk beter is dan de standalone TargetP2 voorspelling (ROC-AUC = 0,72).
   • Ablatie-analyses toonden aan dat het verwijderen van de NR-homologie de grootste daling in prestatie veroorzaakte, wat wijst op de dichte fylogenetische vertegenwoordiging van schimmels in publieke databases.

2. Niet-modelorganisme (Paratrimastix pyriformis):

   • Dit anaerobe protist heeft een sterk gereduceerd MRO-proteoom (32 bekende eiwitten in een proteoom van >13.000), wat een extreem onevenwichtige classificatieprobleem oplevert.
   • CoMR behaalde een ROC-AUC van 0,86.
   • Cruciaal is de Precision-Recall AUC (PR-AUC) van 0,183. Dit is een ~78-voudige verrijking ten opzichte van een willekeurige classifier en een ~10-voudige verbetering ten opzichte van TargetP2 (PR-AUC = 0,018).
   • In tegenstelling tot S. cerevisiae, droegen zowel de NR-database als de gecurateerde SMD-homologie aanzienlijk bij aan de prestaties in P. pyriformis.

3. Ablatie en Sensitiviteit:

   • Het verwijderen van individuele bewijslagen (zoals MitoProt of fylogenetische analyse) leidde slechts tot marginale prestatieverliezen, wat aantoont dat het systeem robuust is en niet afhankelijk is van één enkele methode.
   • De relatieve bijdrage van bewijsbronnen varieert echter per fylogenetische context (bijv. is NR-homologie minder waardevol in slecht vertegenwoordigde lijnen).

4. Computatiekosten:

   • De pijplijn is schaalbaar. Voor P. pyriformis duurde een volledige run met hoge resources (128 CPU's) ongeveer 5 uur en 11 minuten, met een piekgeheugengebruik van 228 GB.

Betekenis en Conclusie

CoMR bewijst dat een geïntegreerde aanpak van meerdere bewijsbronnen de reconstructie van mitochondriale proteomen aanzienlijk verbetert ten opzichte van traditionele targeting-voorspellingen alleen. Dit is vooral waardevol voor het bestuderen van niet-modelorganismen en organismen met gereduceerde organellen, waar klassieke signalen vaak ontbreken.

De tool biedt een reproduceerbaar en flexibel raamwerk dat onderzoekers in staat stelt om systematische vergelijkende analyses uit te voeren over diverse eukaryoten. Door de afhankelijkheid van database-vertegenwoordiging te mitigeren door het combineren van curatie en fylogenie, opent CoMR nieuwe wegen voor het begrijpen van de evolutie en plasticiteit van mitochondriale-gerelateerde organellen.