Abstract The enormous mammal’s lifespan variation is the result of each species’ adaptations to their own biological trade-offs and ecological conditions. Comparative genomics have demonstrated that genomic factors underlying both, species lifespans and longevity of individuals, are in part shared across the tree of life. Here, we compared protein-coding regions across the mammalian phylogeny to detect individual amino acid (AA) changes shared by the most long-lived mammals and genes whose rates of protein evolution correlate with longevity. We discovered a total of 2,737 AA in 2,004 genes that distinguish long- and short-lived mammals, significantly more than expected by chance (P = 0.003). These genes belong to pathways involved in regulating lifespan, such as inflammatory response and hemostasis. Among them, a total 1,157 AA showed a significant association with maximum lifespan in a phylogenetic test. Interestingly, most of the detected AA positions do not vary in extant human populations (81.2%) or have allele frequencies below 1% (99.78%). Consequently, almost none of these putatively important variants could have been detected by genome-wide association studies, suggesting that comparative genomics can be used to complement and enhance interpretation of human genome-wide association studies. Additionally, we identified four more genes whose rate of protein evolution correlated with longevity in mammals. Finally, we show that the human longevity-associated proteins are significantly more stable than the orthologous proteins from short-lived mammals, strongly suggesting that general protein stability is linked to increased lifespan.

Abstract The angiotensin-converting enzyme 2 is the cellular receptor used by SARS coronavirus SARS-CoV and SARS-CoV-2 to enter the cell. Both coronavirus use the receptor-binding domain (RBD) of their viral spike protein to interact with ACE2. The structural basis of these interactions are already known, forming a dimer of ACE2 with a trimer of the spike protein, opening the door to target them to prevent the infection. Here we present Pep I- Cov19 database, a repository of peptides designed to target the interaction between the RDB of SARS-CoV-2 and ACE2 as well as the dimerization of ACE2 monomers. The peptides were modelled using our method PiPreD that uses native elements of the interaction between the targeted protein and cognate partner that are subsequently included in the designed peptides. These peptides recapitulate stretches of residues present in the native interface plus novel and highly diverse conformations that preserve the key interactions on the interface. Pep I -Covid19 database provides an easy and convenient access to this wealth of information to the scientific community with the view of maximizing its potential impact in the development of novel therapeutic agents.

Abstract Mammals vary 100-fold in their maximum lifespan. This enormous variation is the result of the adaptations of each species to their own biological trade-offs and ecological conditions. Comparative genomics studies have demonstrated that the genomic factors underlying the lifespans of species and the longevity of individuals are shared across the tree of life. Here, we set out to compare protein-coding regions across the mammalian phylogeny, aiming to detect individual amino acid changes shared by the most long-lived mammal species and genes whose rates of protein evolution correlate with longevity. We discovered a total of 2,737 amino acid changes in 2,004 genes that distinguish long- and short-lived mammals, significantly more than expected by chance (p=0.003). The detected genes belong to pathways involved in regulating lifespan, such as inflammatory response and hemostasis. Among them, a total 1,157 amino acids, located in 996 different genes, showed a significant association with maximum lifespan in a phylogenetically controlled test. Interestingly, most of the detected amino acids positions do not vary in extant human populations (>81.2%) or have allele frequencies below 1% (99.78%), Consequently, almost none could have been detected by Genome-Wide Association Studies (GWAS). Additionally, we identified four more genes whose rate of protein evolution correlated with longevity in mammals. Crucially, SNPs located in the detected genes explain a larger fraction of human lifespan heritability than expected by chance, successfully demonstrating for the first time that comparative genomics can be used to enhance the interpretation of human GWAS. Finally, we show that the human longevity-associated proteins coded by the detected genes are significantly more stable than the orthologous proteins from short-lived mammals, strongly suggesting that general protein stability is linked to increased lifespan.

Cis2-His2 zinc finger (C2H2-ZF) proteins are the largest family of transcription factors in human and higher metazoans. However, the DNA-binding preferences of many members of this family remain unknown. We have developed a computational method to predict these DNA-binding preferences. We combine information from crystal structures composed by C2H2-ZF domains and from bacterial one-hybrid experiments to compute scores for protein-DNA binding based on statistical potentials. We apply the scores to compute theoretical position weight matrices (PWMs) of proteins with a DNA-binding domain composed by C2H2-ZF domains, with the only requirement of an input structure (experimentally determined or modelled). We have tested the capacity to predict PWMs of zinc finger domains, successfully predicting 3-2 nucleotides of a trinucleotide binding site for about 70% variants of single zinc-finger domains of Zif268. We have also tested the capacity to predict the PWMs of proteins composed by three C2H2-ZF domains, successfully matching between 60% and 90% of the binding-site motif according to the JASPAR database. The tests are used as a proof of the capacity to scan a DNA fragment and find the potential binding sites of transcription-factors formed by C2H2-ZF domains. As an example, we have tested the approach to predict the DNA-binding preferences of the human chromatin binding factor CTCF.