リボアポート - バクテリアのオープンリーディングフレームのリボソームプロファイリングベースの識別のベンチマークツール

50個以下のコドンを含む短いオープンリーディングフレーム（ORF）によってコードされた小さなタンパク質は、多様な生物における細胞高分子の重要なクラスとして出現しています。しかし、それらはしばしばプロテオミクスまたはシリコ法による検出を回避します。リボソームプロファイリング（RIBO-seq）は、以前は非コードであると考えられていたゲノム領域における広範な翻訳を明らかにし、RIBO-seqデータを使用してORF検出ツールの開発を促進しました。ただし、細菌用に設計されたツールはほんの一握りのツールのみであり、これらはまだ体系的に比較されていません。ここでは、RIBO-seqデータを使用して注釈付きの細菌ORFの翻訳状態を正しく決定し、高感度の新しい翻訳された領域を発見するツールを特定することを目指しました。この目的のために、4つの多様な細菌生物から注釈付きORFの大規模なセットを生成しました。これは、将来のベンチマーク研究に利用できるRIBO-seqデータに基づいて、翻訳ステータスのために手動でラベル付けされました。このセットは、7つのRIBO-seqベースのORF検出ツール（Reparation_blast、Deepribo、Ribo-Tish、Smorfer、Smorfer、Ribotricer、Specter）の予測性能を調査するために使用されました。カバレッジのみ。DeepriboとReparation_blastは、sorfsを含む翻訳されたORFを堅牢に予測し、他の遺伝子とスタンドアロン遺伝子に近接しているORFに有意差はありませんでした。ただし、高感度のある斬新な実験的に検証されたSorfのセットを予測するツールはありませんでした。スモーファーでコドン予測を開始すると、バクテリアのORF予測ツールの感度をさらに改善するために、開始部位プロファイリングデータの価値が示されています。全体として、バクテリアのツールはソーフ検出に適していることがわかりますが、パフォーマンス、適用性、使いやすさ、再現性を改善する可能性があります。

Small proteins encoded by short open reading frames (ORFs) with 50 codons or fewer are emerging as an important class of cellular macromolecules in diverse organisms. However, they often evade detection by proteomics or in silico methods. Ribosome profiling (Ribo-seq) has revealed widespread translation in genomic regions previously thought to be non-coding, driving the development of ORF detection tools using Ribo-seq data. However, only a handful of tools have been designed for bacteria, and these have not yet been systematically compared. Here, we aimed to identify tools that use Ribo-seq data to correctly determine the translational status of annotated bacterial ORFs and also discover novel translated regions with high sensitivity. To this end, we generated a large set of annotated ORFs from four diverse bacterial organisms, manually labeled for their translation status based on Ribo-seq data, which are available for future benchmarking studies. This set was used to investigate the predictive performance of seven Ribo-seq-based ORF detection tools (REPARATION_blast, DeepRibo, Ribo-TISH, PRICE, smORFer, ribotricer and SPECtre), as well as IRSOM, which uses coding potential and RNA-seq coverage only. DeepRibo and REPARATION_blast robustly predicted translated ORFs, including sORFs, with no significant difference for ORFs in close proximity to other genes versus stand-alone genes. However, no tool predicted a set of novel, experimentally verified sORFs with high sensitivity. Start codon predictions with smORFer show the value of initiation site profiling data to further improve the sensitivity of ORF prediction tools in bacteria. Overall, we find that bacterial tools perform well for sORF detection, although there is potential for improving their performance, applicability, usability and reproducibility.