La chasse aux microprotéines humaines cachées par spectrométrie de masse révèle de sérieux problèmes de qualité

Les petits cadres de lecture ouverts (sORFs) encodés en dehors des gènes annotés de manière canonique peuvent produire de petites protéines fonctionnelles appelées microprotéines. Ces molécules suscitent un intérêt croissant en tant que régulateurs potentiels des processus cellulaires, avec des implications pour la biologie des maladies et du vieillissement. Cependant, leur détection fiable par protéomique basée sur la spectrométrie de masse (MS) est techniquement difficile, et jusqu'à présent aucune évaluation systématique à l'échelle de la communauté scientifique des données publiées n'avait été réalisée.

Cette étude a rassemblé et réanalysé de manière critique près de 10 000 peptides présentés comme preuves de protéines humaines encodées par des sORFs non annotés dans la littérature existante. Un résultat frappant a été le quasi-total manque de reproductibilité : 96 % des peptides rapportés n'apparaissaient que dans une seule étude. De plus, 12 % des détections rapportées correspondaient à des protéines déjà annotées ou à des protoformes connues, soulevant des questions quant aux stratégies de recherche dans les bases de données utilisées dans les publications originales.

Afin d'évaluer rigoureusement la qualité de détection, les chercheurs ont manuellement constitué un jeu de données de référence comprenant 406 correspondances peptide-spectre (PSMs) couvrant 204 protéines distinctes encodées par des sORFs. Cette curation a révélé une variation dramatique de la qualité des PSMs entre les études. Les approches d'immunopeptidomique — qui isolent les peptides présentés par le CMH — ont donné un taux estimé de 65 % de PSMs de haute qualité pour les détections prédites de protéines encodées par des sORFs. En revanche, les méthodes conventionnelles de protéomique ascendante (bottom-up) appliquées à des lysats cellulaires totaux digérés enzymatiquement n'ont atteint qu'un taux de 7,8 % de PSMs de haute qualité. Les auteurs attribuent cette disparité en partie au fait que les distributions naturelles de longueur de peptides en immunopeptidomique correspondent à celles des peptides encodés par des sORFs, réduisant ainsi l'ambiguïté dans la correspondance spectrale.

L'étude a également mis en évidence des incohérences méthodologiques entre les laboratoires, notamment des seuils de taux de fausses découvertes différents, des stratégies de construction de bases de données variées et des approches de validation hétérogènes. Ces incohérences aggravent le défi, déjà difficile, qui consiste à distinguer les véritables détections de nouvelles microprotéines des faux positifs générés par l'immense espace de recherche inhérent à la protéomique des sORFs.

Les implications sont significatives pour le domaine plus large de la protéogénomique et pour la compréhension de la complexité totale du protéome humain. Les auteurs appellent à des protocoles standardisés approuvés par la communauté scientifique, à des bases de données mieux curées et à une validation plus rigoureuse des PSMs avant que les détections de microprotéines ne soient acceptées comme des découvertes. Malgré ces résultats sobres, les conclusions confirment qu'un sous-ensemble authentique de microprotéines peut être détecté avec une grande confiance, notamment par immunopeptidomique, et ouvrent la voie aux meilleures pratiques pour les études futures visant à cartographier le microprotéome humain complet.