Anotación funcional de genes en kinetoplástidos mediante búsqueda de homología remota basada en estructura

Abstract

Los kinetoplástidos pertenecen al supergrupo Discoba, un linaje eucariota de divergencia temprana. Aunque la cantidad de datos genómicos sobre estos parásitos ha aumentado de manera notable, asignar funciones génicas mediante métodos de homología basados únicamente en secuencias sigue siendo un reto. Recientemente, se han logrado avances importantes en la predicción in silico de estructuras proteicas y en el desarrollo de algoritmos capaces de comparar de forma rápida y precisa grandes volúmenes de estructuras. En este trabajo, diseñamos y aplicamos un flujo de trabajo de búsqueda de homología basado en la comparación de estructuras proteicas (ASC, Annotation by Structural Comparisons) para transferir información biológica a todas las proteínas de kinetoplástidos disponibles en TriTrypDB, la base de datos de referencia para este grupo. Gracias a nuestro pipeline, pudimos asignar similitudes estructurales a una fracción sustancial de las proteínas estudiadas, enriqueciendo las anotaciones existentes mediante la transferencia de información. Además, identificamos homólogos estructurales para representativos de 6 700 proteínas no caracterizadas en 33 especies de kinetoplástidos, proteínas que no podían anotarse usando las herramientas y bases de datos de homología de secuencia convencionales. De este modo, nuestro enfoque permitió inferir información biológica potencial para un gran número de proteínas. Entre ellas, detectamos homólogos estructurales de proteínas eucariotas omnipresentes que resultan difíciles de reconocer en los genomas de kinetoplástidos mediante los métodos de anotación genómica estándar. Los resultados de este trabajo, agrupados bajo el nombre KASC (Kinetoplastid Annotation by Structural Comparison), están disponibles de forma abierta para la comunidad en kasc.fcien.edu.uy, a través de una interfaz amigable que permite la inspección visual de los datos de manera individual por gen.

Kinetoplastids belong to the Discoba supergroup, an early divergent eukaryotic clade. Although the amount of genomic information on these parasites has grown substantially, assigning gene functions through traditional sequence-based homology methods remains challenging. Recently, significant advancements have been made in in-silico protein structure prediction and algorithms for rapid and precise large-scale protein structure comparisons. In this work, we developed a protein structure-based homology search pipeline (ASC, Annotation by Structural Comparisons) and applied it to transfer biological information to all kinetoplastid proteins available in TriTrypDB, the reference database for this lineage. Our pipeline enabled the assignment of structural similarity to a substantial portion of kinetoplastid proteins, improving current knowledge through annotation transfer. Additionally, we identified structural homologs for representatives of 6,700 uncharacterized proteins across 33 kinetoplastid species, proteins that could not be annotated using existing sequence-based tools and databases. As a result, this approach allowed us to infer potential biological information for a considerable number of kinetoplastid proteins. Among these, we identified structural homologs to ubiquitous eukaryotic proteins that are challenging to detect in kinetoplastid genomes through standard genome annotation pipelines. The results (KASC, Kinetoplastid Annotation by Structural Comparison) are openly accessible to the community at kasc.fcien.edu.uy through a user-friendly, gene-by-gene interface that enables visual inspection of the data.