Une nouvelle étude publiée en ligne le 11 octobre 2023 dans Character fulfilled en évidence la vaste gamme de diversité fonctionnelle des microbes grâce à une nouvelle approche visant à mieux comprendre les communautés microbiennes en examinant la fonction des protéines en leur sein. Le travail a été dirigé par une équipe de scientifiques du Joint Genome Institute (JGI) du Département américain de l’énergie (DOE), un bureau des utilisateurs scientifiques du DOE situé au Lawrence Berkeley Countrywide Laboratory (Berkeley Lab) et des collaborateurs de plusieurs autres centres de recherche. autour du monde.
« Nous avons moreover que doublé le nombre de familles de protéines connues jusqu’à présent et identifié de nombreuses nouvelles prédictions de structure », a déclaré l’auteur principal de l’article Georgios Pavlopoulos, aujourd’hui directeur de recherche au Centre de recherche en sciences biomédicales Alexander Fleming. « Il s’agissait d’une analyse enormous de 1,3 milliard de protéines avec des calculs massivement parallèles. »
Guidée par les scientifiques du JGI, l’équipe s’est lancée dans une mission visant à dévoiler les mystères cachés dans le domaine fonctionnel « obscur ». Leur objectif s’est concentré sur le déchiffrement du monde complexe de la diversité fonctionnelle des protéines : les nouvelles familles de protéines et les nouvelles fonctions des microbes encore dévoilés. En exploitant la puissance collective de furthermore de 26 000 ensembles de données sur le microbiome, tous accessibles through la foundation de données publique Built-in Microbial Genomes & Microbiomes (IMG/M), ils ont réussi à créer le catalogue Novel Metagenome Protein People (NMPF).
« Nous pouvons désormais analyser de nouveaux ensembles de données en les comparant à ces familles de protéines, ou analyser moreover en profondeur les familles de protéines afin de prédire de nouvelles fonctions », a déclaré Nikos Kyrpides, auteur principal de l’étude et chef du groupe Microbiome Details Science du JGI.
Mettre en lumière la « matière noire » fonctionnelle
Les communautés microbiennes vivant partout, depuis les sols et les estomacs jusqu’aux profondeurs de la mer, sont capables de faire beaucoup de choses uniques en matière de cycles énergétiques : transformer la biomasse en choses comme l’éthanol ou l’hydrogène, ou l’énergie solaire en hydrogène.
Les communautés microbiennes sont également incroyablement difficiles à étudier. De nombreux microbes qu’ils contiennent ne peuvent pas être cultivés en laboratoire. Étant donné que chaque communauté microbienne a sa propre composition d’acteurs microbiens et les fonctions qu’ils remplissent, la copy artificielle d’une communauté entière est impossible.
Le séquençage métagénomique permet aux chercheurs d’étudier l’ensemble de la structure génétique de ces communautés by means of le séquençage du génome entier des échantillons, sans pouvoir distinguer quel gène appartient à chaque espèce microbienne individuelle au sein d’une communauté. Par conséquent, le processus repose sur la référence à des séquences génomiques existantes.
Certaines de ces protéines sont ce que les scientifiques appellent des « connues connues », c’est-à-dire qu’elles sont similaires à des gènes dont la fonction est connue. D’autres sont appelés « inconnus connus », c’est-à-dire qu’ils sont similaires à des gènes précédemment connus provenant d’organismes isolés, mais nous ne sommes toujours pas sûrs de leur fonction.
Cependant, si un gène dans la communauté ne correspond à aucun des gènes précédemment connus provenant d’isolats, les scientifiques ne peuvent pas dire grand-selected sur sa fonction ou son origine. En conséquence, ces gènes étaient généralement écartés de toute analyse car considérés comme des informations inutiles. Celles-ci représentent les « inconnues inconnues » car elles ne ressemblent à rien de ce que nous avons déjà défini.
« Un pourcentage énorme – environ 30 à 50% des familles de protéines que nous connaissions jusqu’à présent – n’a toujours aucune fonction connue, mais nous connaissions ces familles », a déclaré Kyrpides. Pourtant, « près de 20 ans de données métagénomiques et d’analyses métagénomiques n’ont toujours pas abouti à une véritable analyse des familles de protéines troubles des métagénomes en soi ».
Récemment, d’autres équipes de recherche ont exploité la puissance de l’intelligence artificielle pour décoder le langage des séquences protéiques et obtenir des indices sur leurs fonctions possibles. Pourtant, ces efforts se limitaient au domaine des séquences protéiques déjà connues.
« Dans cette entreprise, nous nous sommes non seulement aventurés dans le territoire inexploré de la compréhension du vaste paysage de la diversité fonctionnelle, mais nous avons également repoussé les limites en appliquant des méthodologies d’IA pour démêler leurs rôles », a déclaré Pavlopoulos. « Par conséquent, nous avons accumulé un vaste référentiel d’informations révolutionnaires, élargissant considérablement les horizons des fonctions potentielles dans diverses catégories de protéines, y compris celles ayant des applications cruciales en biotechnologie, telles que les enzymes d’édition de l’ADN. »
Tirer parti des familles de protéines d’une nouvelle manière
La découverte de nouvelles familles de protéines a commencé à stagner ces dernières années, ce qui suggère peut-être que les scientifiques ont « capturé » une grande partie de la diversité, même s’ils n’ont pas encore défini exactement ce qu’ils font. Mais quel style de diversité ces « inconnus inconnus » pourraient-ils contenir ?
L’équipe a commencé avec 8 milliards de gènes métagénomes d’IMG (l’étude fait également référence aux données du catalogue Genomes from Earth’s Microbiome du JGI, ou GEM). Ensuite, ils ont supprimé tous les gènes présentant même une similitude lointaine avec des gènes précédemment connus, leur laissant approximativement 1,2 milliard de nouveaux gènes.
Ils ont pris ce qui leur restait et les ont regroupés en familles. À partir de là, ils se sont concentrés sur les familles comptant au moins 100 membres.
Lorsque l’équipe a terminé cette phase, elle a découvert que la diversité des familles de protéines au sein de cet espace métagénomique (« inconnues inconnues ») était bien supérieure à celle des génomes de référence – au moins le double.
« Au fur et à mesure que nous ajoutons de moreover en as well as d’échantillons, nous obtenons davantage de familles de protéines », a déclaré Kyrpides. « Dans quelques années, à mesure que nous continuerons à séquencer davantage de métagénomes, certains des clusters qui comptent actuellement 50 membres ou furthermore atteindront également 100 membres ou in addition. Nous disons donc que la diversité a doublé, mais en réalité, elle pourrait il y en aura trois, quatre, cinq ou dix fois plus. »
Creuser davantage dans un éventail de diversité
Bien que l’équipe n’ait pas approfondi les fonctions, elle a pu mieux caractériser ces familles. Ils ont divisé les familles de protéines par environnement et ont découvert que seulement 7% des familles de protéines étaient partagées dans les huit catégories environnementales. Au lieu de cela, les familles préféraient un environnement spécifique, qu’il s’agisse du sol, des animaux hôtes, des écosystèmes marins, and so on.
« Ils doivent donc faire quelque chose d’intéressant ou d’important pour cet habitat », a expliqué Pavlopoulos. « C’est certainement un matériau que la communauté scientifique peut désormais utiliser davantage. Disons que quelqu’un travaille sur l’environnement du sol ou sur le corps humain – il peut prendre certaines de ces familles et essayer de les caractériser fonctionnellement parce qu’elles sont très spécifiques à cet habitat. «
L’analyse taxonomique a révélé que la majorité de ces familles de protéines appartenaient à des bactéries et des virus, bien que 6 thousands and thousands de séquences aient échappé à la classification. Les chercheurs ont également tenté de mieux comprendre la fonction des gènes via la modélisation 3D, et comparer les constructions de l’inconnu à celles du connu – une construction similaire équivaut à une forte probabilité d’une fonction similaire. L’équipe a également identifié des familles de protéines dotées de constructions totalement nouvelles.
La puissance de calcul nécessaire pour effectuer ce niveau d’analyse dépendait de l’accès au Countrywide Electrical power Analysis Scientific Computing Heart, une autre installation utilisateur du Berkeley Lab.
« C’est également le mérite de l’équipe d’Aydin Buluç de la division de mathématiques appliquées et de recherche informatique du Berkeley Lab », a déclaré Pavlopoulos. « Ils ont développé des algorithmes parallèles pour effectuer des comparaisons « tout contre tous » et un regroupement de graphiques capables de fonctionner dans des infrastructures aussi hautement parallèles. »
C’est la première fois que les buildings protéiques sont utilisées pour caractériser la vaste gamme de matière noire microbienne. L’étude a duré environ deux ans, avec seulement approximativement 20 000 métagénomes séquencés à l’époque. Aujourd’hui, ce nombre est in addition proche de 60 000.
« Il existe encore 70 à 80% de la diversité microbienne connue qui n’est pas encore capturée génomiquement », a déclaré Kyrpides. « Cette diversité recèle certainement également de nombreux nouveaux secrets en termes de diversité fonctionnelle. »
Chercheurs de l’Université Harvard, Université de l’Indiana. Université de Crète (Grèce). Le Georgia Institute of Technologies, l’Université de l’État du Michigan, le Laboratoire countrywide Lawrence Livermore, l’Université de Washington, le Centre de recherche et de technologie Hellas (Grèce), l’Université Aristote de Thessalonique (Grèce) et l’Université de Californie à Berkeley ont également participé aux travaux. Les autres auteurs de l’article sont Fotis Baltoumas, Sirui Liu, Oguz Selvitopi, Antonio Camargo Stephen Nayfach, Ariful Azad, Simon Roux, Lee Connect with, Natalia N. Ivanova, I Min Che, David Paez-Espino, Evangelos Karatzas, Novel Metagenome Protein Family members. Consortium, Ioannis Iliopoulos, Konstantinos Konstantinidis, James M. Tiedje, Jennifer Pett-Ridge, David Baker, Axel Visel, Christos A. Ouzounis et Sergey Ovchinnikov.
