リボソームプロファイリングからのRNA翻訳のベイジアン予測

ハイスループットシーケンス（RIBO-seq）を介したリボソームプロファイリングは、塩基対解像度でメッセンジャーRNA（mRNA）上のリボソームの占有率を特徴付けるための有望な新しい技術です。リボソームはmRNAをタンパク質に翻訳する原因であるため、その占有に関する情報は、とりわけ、新しい翻訳されたオープンリーディングフレーム（ORF）などを発見するために使用できるリボソーム密度と位置の詳細なビューを提供します。この作業では、リボソームプロファイルから翻訳されたORFを予測するための監視されていないベイジアンアプローチであるRP-BPを提案します。最先端のマルコフチェーンモンテカルロ技術を使用して、各ORFの翻訳の可能性の後部分布を推定します。したがって、RP-BPの重要な特徴は、予測プロセスに不確実性を組み込み、伝播する能力です。2番目の斬新な貢献は、読み取り長とリボソームPサイトオフセット（BPP）の自動ベイジアン選択です。読み取り長の選択技術は、より標準的で非標準的なORFを識別することにより、感度を控えめに改善することを経験的に実証します。プロテオミクスおよび定量的翻訳開始シーケンスベースの検証は、すべての予測の高品質を検証します。実験的な比較により、RP-BPは、翻訳予測のための別の最近のツールと比較して、より多くのペプチド同定とプロテオミクス検証ORF予測をもたらすことが示されています。

Ribosome profiling via high-throughput sequencing (ribo-seq) is a promising new technique for characterizing the occupancy of ribosomes on messenger RNA (mRNA) at base-pair resolution. The ribosome is responsible for translating mRNA into proteins, so information about its occupancy offers a detailed view of ribosome density and position which could be used to discover new translated open reading frames (ORFs), among other things. In this work, we propose Rp-Bp, an unsupervised Bayesian approach to predict translated ORFs from ribosome profiles. We use state-of-the-art Markov chain Monte Carlo techniques to estimate posterior distributions of the likelihood of translation of each ORF. Hence, an important feature of Rp-Bp is its ability to incorporate and propagate uncertainty in the prediction process. A second novel contribution is automatic Bayesian selection of read lengths and ribosome P-site offsets (BPPS). We empirically demonstrate that our read length selection technique modestly improves sensitivity by identifying more canonical and non-canonical ORFs. Proteomics- and quantitative translation initiation sequencing-based validation verifies the high quality of all of the predictions. Experimental comparison shows that Rp-Bp results in more peptide identifications and proteomics-validated ORF predictions compared to another recent tool for translation prediction.