Mining metagenomics datasets for novel plastic-degrading enzymes

Abstract

A crescente quantidade de dados depositados em bases de dados públicas sem anotação pode ocultar uma série de genes e proteínas cuja função ainda é desconhecida. Com base no conhecimento de algumas enzimas capazes de catalisar reações com interesse ambiental ou biotecnológico, será possível encontrar em bases de dados de proteínas ou em conjuntos de dados ómicos, outras com atividade semelhante, que eventualmente poderão ser mais eficientes. No entanto, não existem ferramentas bioinformáticas projetadas para encontrar proteínas de interesse em grandes conjuntos de dados. Neste trabalho, uma ferramenta de bioinformática foi desenvolvida e denominada Mining Protein dAtasets foR Targeted enzYmes (M-PARTY) para minerar enzimas alvo em grandes conjuntos de dados. M-PARTY recebe um ficheiro FASTA contendo as enzimas alvo e automaticamente produz bases de dados de Hidden Markov Model, valida e filtra os modelos não validados. M PARTY procura sequências homólogas em determinados conjuntos de dados e identifica as proteínas mais semelhantes, que apresentam potencialmente as mesmas atividades das enzimas alvo. A M-PARTY é uma Interface de Linha de Comando de uso gratuito, corre no sistema operacional Linux com apenas um comando, é de código aberto e foi desenvolvida em Python. Esta ferramenta foi testada para encontrar enzimas envolvidas na biodegradação do polietileno em metagenomas hidrotermais e marinhos. A partir de 5 sequências proteicas iniciais, 329 HMMs foram gerados pelo M PARTY e 103 foram descartados após a etapa de validação. Um total de 19 proteínas apresentaram homologia significativa com as 5 enzimas alvo, sendo enzimas potencialmente degradadoras de polietileno. Esta ferramenta será muito útil para realizar uma primeira triagem de enzimas de interesse em diferentes ambientes, antecedendo uma posterior confirmação da atividade enzimática e eventual implementação.

There is an increasing amount of data deposited in public databases that is poorly annotated and may hide a number of genes and proteins whose function is yet unknown. By knowing some enzymes that are capable to catalyze reactions with environmental or biotechnological interest, it would be possible to find other enzymes in databases or in omics datasets with similar activity, and which could be even more efficient. However, there are no bioinformatics tools designed to find proteins of interest in large datasets, such as those from metagenomics experiments. In this work, a bioinformatics tool was developed, named Mining Protein dAtasets foR Target enzYmes (M-PARTY), for mining target enzymes in big datasets. M-PARTY receives a FASTA file containing the target enzymes, and automatically produces Hidden Markov Model databases, validating, and filtering the non-validated models. M-PARTY searches for homolog sequences in given datasets and identifies the most similar proteins, which present potentially the same activities of the target enzymes. M-PARTY is a free-to-use Command Line Interface, runs on Linux operating system with only a command, is open source, and was developed in Python. This tool was tested to find enzymes involved in polyethylene biodegradation in hydrothermal and marine metagenomes. From 5 initial protein sequences, 329 HMMs were generated by M-PARTY, and 103 were discarded after the validation step. A total of 19 proteins showed significant homology to the 5 target enzymes, being potentially polyethylene-degrading enzymes. This tool will be especially useful for performing a first screening of enzymes of interest in different environments, preceding further enzymatic activity confirmation and eventual implementation on biotechnological processes.