Discovery of diverse chimeric peptides in a eukaryotic proteome sets the stage for the experimental proof of the mosaic translation hypothesis
Notice bibliographique
Résumé
Abstract The high complexity of eukaryotic organisms enabled their evolutionary success, which became possible due to the diversification of eukaryotic proteomes. Various mechanisms contributed to this process. Alternative splicing had the largest known impact among these mechanisms: tens or hundreds of protein isoforms produced from a single genetic locus. Earlier, we hypothesized that along with alternative splicing, a different but conceptually similar mechanism creates novel versions of existing proteins in all eukaryotes. However, this mechanism acts at the level of translation, where the novelty of an amino acid sequence is achieved via multiple programmed ribosomal frameshifting. This mechanism, which is termed mosaic translation, is very difficult to demonstrate even with the most up-to-date molecular tools. Thus, it remained unnoticed so far. Using only a portion of all mass spectrometry proteomic data generated from various organs of the model plant Medicago truncatula , we attempted the first step toward the experimental proof of this hypothesis. Our original in silico approach resulted in the discovery of two candidates for mosaic proteins (homologs of EF1α and RuBisCo) and 154 candidates for chimeric peptides. Chimeric peptides and polypeptides are produced in the course of one ribosomal frameshifting event and may correspond to parts of mosaic proteins. In addition, our analysis reveals the possibility of translation of chimeric peptides from five ribosomal RNA transcripts, ten long non-coding RNA transcripts, and one transfer RNA transcript. These findings are very novel and will be the basis for experimental validation in future studies. In this work, we present multiple lines of indirect evidence that support the validity of our in silico data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».