Guardians of ancient protein galaxies : introducing Orthrus/Anubis for ancient protein sequencing and authentication

Gardiens d'anciennes galaxies de protéines : introduction d'Orthrus/Anubis pour le séquençage et l'authentification de protéines anciennes L'étude des protéines anciennes a éclairé un large éventail de questions de recherche, y compris les paléodiètes, les histoires évolutives, les dynamiques sociales et les voies de préservation des protéines sur le long terme. Malgré l'importance archéologique et chimique des protéines anciennes, d'importants défis analytiques persistent et entravent les progrès de la paléoprotéomique en tant que domaine en pleine croissance. Premièrement, il est difficile d'extraire des protéines anciennes sans perte ni destruction d'échantillons. Les protocoles de protéomique modernes peuvent ne pas être optimisés pour les matériaux archéologiques. Deuxièmement, la spectrométrie de masse en tandem (MS/MS) est la norme d'excellence pour l'attribution à haute résolution et spécifique aux taxons des substrats anciens. Cependant, en raison de leur nature et de leur état de conservation, ces substrats peuvent entraîner une faible efficacité d'ionisation et des schémas de fragmentation peu clairs. L'acquisition de spectres d'ions fragments (MS2) est tout aussi difficile, car les méthodes existantes peuvent conduire à une sous-représentation des protéines en faible abondance ou à des spectres MS2 multiplex difficiles à interpréter. Enfin, l'identification et l'authentification des protéines anciennes restent des défis bioinformatiques substantiels. Il n'est pas clair si la recherche dans les bases de données conventionnelles est adaptée pour identifier des substrats archéologiques avec des sources de protéines dynamiques et des protéines anciennes fragmentées et modifiées. Il n'existe pas non plus de méthode standardisée pour séparer les protéines anciennes putatives des contaminants modernes. Je tente de relever ces défis bioinformatiques en estimant la taille existante des spectres MS2 non identifiables (spectres sans histoires) et en introduisant deux nouvelles approches computationnelles : Orthrus et Anubis. Quinze millions de données MS2 publiquement disponibles ont été collectées, et il a été estimé que 94 % des ensembles de données anciennes restent non identifiés. Orthrus est une pipeline Python open source, prête pour le cloud et alimentée par l'IA. Elle exploite le séquençage de novo assisté par transformateur et la recherche dans des bases de données conçues en Rust avec un rescoring amélioré par apprentissage automatique. Orthrus a été comparé à PEAKS® 11, MetaNovo et MaxQuant, surpassant les outils existants en termes de résolution taxonomique et de couverture de séquence protéique. Anubis est une échelle d'authentification pour les protéines anciennes utilisant la classification par forêt aléatoire et des motifs de déamidation comparatifs à plusieurs niveaux. Des hotspots de déamidation spécifiques à la position, des groupements de déamidation d'asparagine/glutamine et des niveaux globaux de modification utilisant la trypsine comme référence sont utilisés pour fournir des métriques d'authentification complètes et fiables. Ensemble, ces travaux apportent des contributions originales à la paléoprotéomique. En établissant la proportion de spectres anciens non identifiés, en développant une approche d'identification hybride privilégiant le de novo, et en exploitant des motifs de déamidation à plusieurs niveaux pour l'authentification des protéines anciennes, ils posent les bases de solutions bioinformatiques améliorées par apprentissage automatique pour les défis associés aux protéines anciennes.