Nuovo strumento per rilevare mutazioni genetiche nascoste / Novel tool for detecting hidden genetic mutations

Nuovo strumento per rilevare mutazioni genetiche nascoste / Novel tool for detecting hidden genetic mutations

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

È stato sviluppato uno strumento computazionale basato su grafici per rilevare mutazioni genetiche precedentemente invisibili.

I ricercatori dell'Università della California di Los Angeles (UCLA; USA) e dell'Università di Toronto (Canada) hanno collaborato per sviluppare moPepGen, uno strumento computazionale avanzato per identificare mutazioni genetiche nelle proteine ​​precedentemente nascoste, aprendo nuove possibilità per la ricerca sul cancro, sulle malattie neurodegenerative e molto altro.

La proteogenomica – lo studio della genomica e della proteomica – fornisce un profilo molecolare completo delle malattie. Tuttavia, la proteogenomica presenta dei limiti dovuti alla difficoltà di modellare la complessità dell'espressione genica. Inoltre, gli strumenti proteomici esistenti possono non riuscire a catturare l'intera diversità delle variazioni proteiche.

Raggiungere un elevato livello di precisione è fondamentale, poiché le proteine ​​possono segnalare la progressione di malattie, come il cancro. Tuttavia, analizzare le proteine ​​per rilevare questi cambiamenti rimane una sfida per gli strumenti computazionali. Ora, i ricercatori hanno sviluppato moPepGen per colmare questa lacuna; si tratta di un algoritmo basato su grafi che consente un'identificazione più precisa delle variazioni della sequenza proteica e successivamente genera peptidi non canonici in tempo lineare.

"Abbiamo sviluppato moPepGen per aiutare i ricercatori a determinare quali varianti genetiche sono realmente espresse a livello proteico, affrontando una sfida di lunga data nella comunità proteogenomica", ha commentato il co-primo autore Chenghao Zhu (UCLA).

L'approccio basato su grafici di moPepGen migliora significativamente il rilevamento di variazioni proteiche precedentemente invisibili e può elaborare tutti i tipi di cambiamenti genetici, fornendo una visione più completa della diversità proteica ed un quadro più accurato delle mutazioni associate alle malattie.

Rispetto agli strumenti esistenti, che in genere rilevano i cambiamenti genetici come una singola sostituzione di un amminoacido, moPepGen cattura i peptidi che ospitano qualsiasi combinazione di piccole varianti causate da splicing alternativo, RNA circolari, fusioni geniche ed editing genetico, nonché altre modifiche genetiche complesse. Inoltre, moPepGen può modellare sistematicamente il modo in cui i geni vengono espressi e tradotti in proteine, ampliando così la capacità di rilevare mutazioni legate a patologie.

"Fino ad ora, non esisteva un modo pratico per gestire l'enorme complessità della variazione genetica e trascrittomica", ha affermato Zhu. "L'algoritmo funziona rapidamente, anche quando si analizzano enormi quantità di dati, ed è progettato per funzionare con diverse tecnologie e specie".

Per testare il loro modello, i ricercatori hanno utilizzato moPenGen per analizzare i dati proteogenomici di cinque tumori alla prostata, otto tumori renali e 375 linee cellulari. Il loro modello è stato in grado di identificare variazioni proteiche precedentemente invisibili associate a mutazioni genetiche, fusioni geniche ed altri cambiamenti molecolari. moPepGen è stato anche in grado di rilevare un numero quattro volte maggiore di varianti proteiche uniche rispetto agli strumenti esistenti, evidenziando il suo approccio più sensibile e completo.

"Facilitando l'analisi di complesse variazioni proteiche, moPepGen ha il potenziale per far progredire la ricerca sul cancro, sulle malattie neurodegenerative e in altri campi in cui la comprensione della diversità proteica è fondamentale", ha concluso Paul Boutros (UCLA). "Colma il divario tra i dati genetici e l'espressione proteica nel mondo reale, aprendo nuove possibilità nella medicina di precisione e oltre."

moPepGen è ora disponibile gratuitamente per i ricercatori e può essere integrato nei flussi di lavoro di analisi proteomica esistenti, rendendolo accessibile ai laboratori di tutto il mondo e in grado di migliorare le analisi proteogenomiche per numerose applicazioni.

ENGLISH

A graph-based computational tool for detecting previously invisible genetic mutations has been developed.

Researchers at the University of California, Los Angeles (UCLA; USA) and the University of Toronto (Canada) have collaborated to develop moPepGen, an advanced computational tool for identifying previously hidden genetic mutations in proteins, unlocking new possibilities for cancer research, neurodegenerative disease research and more.

Proteogenomics – the study of genomics and proteomics – provides a comprehensive molecular profile of diseases. However, limitations with proteogenomics exist due to the challenge of modeling the complexities of gene expression. Additionally, existing proteomic tools can fail to capture the full diversity of protein variations.

Achieving a high level of precision is critical as proteins can signal progression in diseases, such as cancer. However, analyzing proteins to detect these changes remains a challenge for computational tools. Now, researchers have developed moPepGen to address this gap; it’s a graph-based algorithm that enables more precise identification of protein sequence variations and subsequently generates non-canonical peptides in linear time.

“We developed moPepGen to help researchers determine which genetic variants are truly expressed at the protein level, addressing a long-standing challenge in the proteogenomic community,” commented co-first author Chenghao Zhu (UCLA).

moPepGen’s graph-based approach significantly improves the detection of previously invisible protein variations and can process all types of genetic changes, providing a more comprehensive view of protein diversity and a more accurate picture of disease-associated mutations.

Compared to existing tools, which typically detect genetic changes as a single amino acid substitution, moPepGen captures peptides that harbor any combination of small variants caused by alternative splicing, circular RNAs, gene fusions and gene editing, as well as other complex genetic modifications. Additionally, moPepGen can systematically model how genes are expressed and translated into proteins, thereby expanding the ability to detect mutations linked to disease.

“Until now, there hasn’t been a practical way to handle the enormous complexity of genetic and transcriptomic variation,” shared Zhu. “The algorithm works rapidly, even when analyzing massive amounts of data, and is designed to function across multiple technologies and species.”

To test their model, the researchers used moPenGen to analyze proteogenomic data from five prostate tumors, eight kidney tumors and 375 cell lines. Their model was able to identify previously invisible protein variations associated with genetic mutations, gene fusions and other molecular changes. moPepGen was also able to detect four times more unique protein variants than existing tools, highlighting its more sensitive and comprehensive approach.

“By making it easier to analyze complex protein variations, moPepGen has the potential to advance research in cancer, neurodegenerative diseases, and other fields where understanding protein diversity is critical,” concluded Paul Boutros (UCLA). “It bridges the gap between genetic data and real-world protein expression, unlocking new possibilities in precision medicine and beyond.”

moPepGen is now freely available for researchers, and it can be integrated into existing proteomic analysis workflows, making it accessible to labs worldwide and capable of enhancing proteogenomic analyses for many applications.

Da:

https://www.biotechniques.com/computational-biology/novel-tool-for-detecting-hidden-genetic-mutations/?utm_campaign=BioTechniques%20-%20Daily%20NL&utm_medium=email&_hsenc=p2ANqtz-9Zb6ipSWCWv-EEIlypxuOfpdLBuETSwhxntZPqZp6mC3XUXWm3dTN18gznnd8gv6aB_OeOTwUehsASFdqPM56TcgI1mQ1C4rz-cOMrU5eWQhSHoW4&_hsmi=368707697&utm_content=368645984&utm_source=hs_email