Descifrando la ganancia de función de las variantes de pérdida de función con AlphaMissense: un estudio de caso con...

Área de la Ciencia:

• La genómica y la bioinformática.
• Biología Molecular y Biofísica.

Sus antecedentes:

• Las mutaciones patógenas de mal sentido alteran la función de las proteínas, con efectos de pérdida de función (LoF) ampliamente estudiados.
• Las mutaciones de ganancia de función (GoF) siguen siendo poco conocidas, a pesar de su importancia clínica.
• Las variantes del canal PIEZO1 están relacionadas con la xerocitosis hereditaria (GoF) y la displasia linfática (LoF).

Objetivo del estudio:

• Evaluar el rendimiento de los algoritmos de predicción de patogenicidad para distinguir GoF de las variantes LoF.
• Para comparar AlphaMissense (AM) con CADD, EVE y ESM-1B para las variantes de PIEZO1.
• Para investigar el impacto estructural y biofísico de las variantes de GoF en PIEZO1.

Principales métodos:

• Predicción computacional mediante el uso de AlphaMissense (AM), CADD v1.7, EVE y ESM-1B.
• Análisis de 56 variantes de GoF en PIEZO1 vinculadas a la xerocitosis hereditaria.
• Validación de predicciones computacionales con estructuras cryo-EM y datos biofísicos para residuos no resueltos.

Principales resultados:

• Todos los algoritmos probados identificaron con precisión las variantes LoF, pero mostraron ambigüedad con las variantes GoF.
• ESM-1b demostró una sensibilidad equilibrada a las variantes GoF y LoF, probablemente debido a las características basadas en la secuencia.
• Las variantes GoF de PIEZO1 no desestabilizan significativamente la estructura de la proteína ni alteran directamente la energía libre.

Conclusiones:

• Los algoritmos actuales de predicción de patogenicidad tienen limitaciones para descifrar con precisión las variantes de GoF.
• El ESM-1b es prometedor para predecir tanto las variantes GoF como LoF.
• Se desarrolló un modelo de conjunto ponderado, superando los métodos tradicionales y funcionando de manera similar a AM.