Combinando transcrição completa e pipelines de bioinformática para desvendar o potencial funcional e melhorar a anotação de retrocópias usando um conjunto de dados em escala populacional humana.

Resumo

As retrocópias, também conhecidas como pseudogenes processados, surgem da transcrição reversa e posterior integração de moléculas de RNA mensageiro (mRNA) no genoma. Embora muitas retrocópias tenham sido historicamente consideradas pseudogenes não funcionais, os avanços nas tecnologias das ômicas e na bioinformática revelaram uma miríade de retrocópias potencialmente funcionais. O genoma humano compreende aproximadamente 8.000 retrocópias fixas, com estudos em larga escala indicando que mais de 40% delas são ativamente transcritas. Compreender o impacto e a função das retrocópias no genoma humano é fundamental para destacar seus papéis potenciais no desenvolvimento de doenças e nas vias evolutivas. Embora o sequenciamento de RNA tenha se mostrado instrumental na identificação de retrocópias expressas, o comprimento limitado dessas leituras restringe nossa capacidade de verificar transcrições completas de retrocópias. Como a maioria das retrocópias são cópias parciais de genes e algumas embutidas nos íntrons de genes codificadores de proteínas, a obtenção de seu comprimento total é crucial para elucidar suas funções. Somente os transcritos completos revelarão retrocópias codificantes (com CDS) e não codificantes, bem como os transcritos quiméricos formados entre as retrocópias e seus genes hospedeiros. A técnica/método MAS-ISO-seq oferece uma abordagem promissora para superar os obstáculos associados à identificação e quantificação de isoformas de RNA de comprimento total de alto rendimento em dados de célula única e em massa. Essa nova metodologia envolve a concatenação programável de DNAs complementares (cDNAs) em moléculas especializadas, ideais para o sequenciamento de leitura longa. Este projeto visa usar dados MAS-ISO-Seq para definir com precisão as regiões transcritas de retrocópias (pseudogenes processados) presentes no genoma humano, identificar aquelas retrocópias com potencial funcional (retrogenes) e construir um pipeline computacional para analisar a expressão de retrocópias com leituras longas. No final, acreditamos que uma compreensão mais profunda das retrocópias completas revelará novos (retro)genes, oferecendo novos insights sobre a evolução do genoma e identificando novas regiões genômicas associadas a doenças.