Péptidos no canónicos estables identificados ampliamente por análisis integrados de perfilado de ribosomas y características de ORF

Resumen Los estudios han revelado docenas de péptidos funcionales en regiones ‘no codificantes’ putativas y han planteado la pregunta de cuántas proteínas están codificadas por marcos de lectura abiertos (ORFs) no canónicos. Aquí, anotamos de manera exhaustiva ORFs traducidos a nivel genómico en cinco eucariotas (humano, ratón, pez cebra, gusano y levadura) analizando datos de perfilado de ribosomas. Desarrollamos un modelo de regresión logística llamado PepScore basado en características de ORF (longitud esperada, dominio codificado y conservación) para calcular la probabilidad de que el péptido codificado sea estable en humanos. La expresión ectópica sistemática valida PepScore y muestra que microproteínas complejas estables pueden ser codificadas en regiones no traducidas 5’/3’ y en regiones codificantes superpuestas de ARNm, además de ARN no codificantes anotados. Las proteínas no canónicas estables siguen reglas convencionales y se localizan en diferentes compartimentos subcelulares. La inhibición de las vías de degradación proteasomal/lysosomal puede estabilizar algunos péptidos, especialmente aquellos con PepScores moderados, pero no puede rescatar la expresión de los más cortos con PepScores bajos, sugiriendo que son degradados directamente por proteasas celulares. La mayoría de los péptidos no canónicos humanos con altos PepScores muestran longitudes más largas pero baja conservación entre especies/mamíferos, y cientos contienen variantes genéticas asociadas a rasgos. Nuestro estudio presenta un marco estadístico para identificar péptidos no canónicos estables en el genoma y proporciona un recurso valioso para la caracterización funcional de la traducción no canónica durante el desarrollo y la enfermedad.