Micropeptides - searching for function in the dark matter of the genome

Antallet menneskelige gener har ikke vært lett å anslå. Før det menneskelige arvematerialet ble kartlagt antok man at mennesket kunne ha opp mot 100 000 gener. Etter at arvematerialet ble analysert sank antallet kraftig. Å finne gener er imidlertid ikke enkelt, og selv om vi kjenner den nøyaktige sekvensen av DNA som er nødvendig for å bygge et menneske, betyr det ikke at vi umiddelbart kan finne genene. Avanserte algoritmer har derfor blitt utviklet for å kartlegge genene i arvematerialet. Med gradvise forbedringer har disse algoritmene stadig redusert anslagene og har nå landet på rundt 20 000 gener hvor det har ligget stabilt de siste par årene. Ny teknologi har imidlertid gjort det mulig, med stor nøyaktighet, å direkte avlese aktiviteten til gener i arvematerialet. Overraskende nok viste disse metodene at det er langt mer aktivitet enn de 20 000 genene man kjenner til. Denne tidligere ukjente aktiviteten er imidlertid begrenset til små områder som er langt kortere enn de fleste vanlige gener og har derfor unngått å bli oppdaget. Om disse områdene har noen funksjon er fortsatt kontroversielt, men det er sannsynlig at i vært fall noen av disse områdene kan skjule nye "mikrogener". Dette prosjektet har utviklet flere nye metoder, både eksperimentelle og bioinformatiske, som kan brukes til å identifisere hvilke gnomiske regioner som skjuler nye mikrogener. Ved å bruke disse metodene har vi funnet flere nye genkandidater og vårt arbeid videre er nå fokusert på å karakterisere hvilken funksjon disse nye genene har. Vi har også utviklet nye verktøy for å studere regulering av translasjon som vil være til nytte for hele feltet og spesifikt for genreguleringsstudier.

Outside of the 9 published papers and the 3 forthcoming ones, the project has led to the training of top researchers in the field of protein synthesis and high-throughput sequencing-based discovery assays. Specifically, these researchers have contributed to pushing the methodological boundaries in studying protein synthesis and have contributed to the development of several new computational methods and experimental assays. In particular, we expect the development of ribosome complex profiling (RCP-seq), an assay to probe the transcriptome-wide activity of translation initiation, to be a significant boon to the community.

Over the last decade advances in high-throughput sequencing assays and work by us and others have identified a large number of previously unknown transcripts. While their existence is undisputed, their biological functions have been largely unclear spurring debates about the fidelity of transcription initiation and leading to controversies surrounding "junk DNA". While most of these transcripts were presumed to be non-coding due to their lack of obvious protein coding potential, recent evidence from high-throughput assays have suggested that a large number of these are in fact undergoing translation. These mysterious new peptides have eluded discovery due to their diminutive size effectively hiding them from most homology searches, random mutagenesis screens and computational methods. Their biological relevance is controversial, but given that a few have already been shown to have important functions it it is likely that several more of these exist and that the number of genes in the genome is under-estimated. Building on our previous experience in uncovering protein-coding potential and our proven track record in discovering novel, functional peptides I propose to develop rigorous methods to detect these small peptides to uncover the extent of novel genes. The project will combine state-of-the-art molecular biology and bioinformatics to determine the optimal protocol for discovery based on high-throughput sequencing assays. These assays will be combined with the use of chemical compounds to perturb the dynamics of protein synthesis, taking advantage of the resulting changes to obtain further evidence of active translation. We will apply this method to discover novel genes in three separate systems: during embryogenesis, a circadian time course in brain and in human cell lines. Novel peptides will be confirmed with independent lines of evidence, e.g. mass spectrometry, and the most promising candidates will be selected for functional characterization.