The mitochondrial electron transport chain (mETC) converts the energy of substrate oxidation into a H + electrochemical gradient (Δp), which is composed by an inner mitochondrial membrane (IMM) potential (ΔΨmt) and a pH gradient (ΔpH). So far, ΔΨmt has been assumed to be composed exclusively by H + . Mitochondrial Ca 2+ and Na + homeostasis, which are essential for cellular function, are controlled by exchangers and antiporters in the inner mitochondrial membrane (IMM). In the last few years, some of them have been identified, except for the Na + -specific mitochondrial Na + /H + exchanger (mNHE). Here, using a rainbow of mitochondrial and nuclear genetic models, we have identified the P-module of complex I (CI) as the major mNHE. In turn, its activity creates a Na + gradient across the IMM, parallel to ΔpH, which accounts for half of the ΔΨmt in coupled respiring mitochondria. We have also found that a deregulation of this mNHE function in CI, without affecting its enzymatic activity, occurs in Leber hereditary optic neuropathy (LHON), which has profound consequences in ΔΨmt and mitochondrial Ca 2+ homeostasis and explains the previously unknown molecular pathogenesis of this neurodegenerative disease.

Currently, there are available several tools to predict the effect of variants, with the aim of classify variants in neutral or pathogenic. In this study, we propose a new model trained over ensemble scores with two particularities, first we consider minor frequency allele from gnomAD and second, we split variants based on their splicing for training each specific model. Variants Stacked Random Forest Model (VSRFM) was constructed for variants not involved in splicing and Variants Stacked Random Forest Model for splicing (VSRFM-s) was trained for variants affected by splicing. Comparing these scores with their constituent scores used as features, our models showed the best outcomes. These results were confirmed using an independent data set from Clinvar database, with similar results.

Background: Prediction of pathogenic variants is one of the biggest challenges for researchers and clinicians in the time of next-generation sequencing technologies. Stratification of individuals based on truly pathogenic variants might lead to improved, personalized treatments. Results: We present Frequency Conservation Score (FCS) and Frequency Conservation Score for Mitochondrial DNA (FCSMt) two methods for the detection of pathogenic single nucleotide variants in nuclear and mitochondrial DNA, respectively. These scores are based in a random forest model trained over a set of potentially relevant predictors: (i) conservation scores (PhastCons and phyloP); (ii) locus variability at each genomic position built from gnomAD database and (iii) physicochemical distance for amino acids substitutions and the impact/consequence over the canonical transcript. FCS showed an AUC of 98% for deleteriousness in an independent validation dataset, outperforming other scores such as metaLR, metaSVM, REVEL, DANN, CADD, SIFT, PROVEAN or FATHMM-MKL. Moreover, FCSMt presented an AUC=0.92 for pathogenic mitochondrial SNVs detection. The tool is available at http://bioinfo.cnic.es/FCS . Conclusions: FCS and FCS-Mt improve pathogenic mutation detection, allowing the prioritization of relevant variants in Whole Exome and Whole Genome Sequencing Analysis.

ABSTRACT Accurate pathogenic detection for single nucleotide variants (SNVs) is a key problem to perform variant ranking in whole exome sequencing studies. Several in silico tools have been developed to identify deleterious variants. Locus variability, computed as Shannon entropy from gnomAD/helixMTdb variant allele frequencies can be used as pathogenic variants predictor. In this study we evaluate the use of Shannon entropy in non-coding mitochondrial DNA and also in coding regions with an additional selective pressure other than that imposed by the genetic code, as are splice-sites. To benchmark this functionality in non-coding mitochondrial variants, Shannon entropy was compared with HmtVar disease score, outperforming it in non-coding SNVs (AUC H =0.99 in ROC curve and PR-AUC H =1.00 in Precision-recall curve). In the same way, for splice-sites’ variants, Shannon entropy was compared against two state-of-the-art ensemble predictors ada score and rf score, matching their overall performance both in ROC curves (AUC H =0.95) and Precision-recall curves (PR-AUC=0.97). Therefore, locus variability could aid in variant ranking process for these specific types of SNVs. Contact jlcabreraa@cnic.es ; fscabo@cnic.es

The frequency of mitochondrial DNA haplogroups (mtDNA-HG) in humans is known to be shaped by migration and repopulation. Mounting evidence indicates that mtDNA-HG are not phenotypically neutral, and selection may contribute to its distribution. Haplogroup H, the most abundant in Europe, improved survival in sepsis. Here we developed a random forest trained model for mitochondrial haplogroup calling using data procured from GWAS arrays. Our results reveal that in the context of the SARS-CoV-2 pandemic, HV branch were found to represent protective factors against the development of critical SARS-CoV-2 in an analysis of 14,349 patients. These results highlight the role of mtDNA in the response to infectious diseases and support the proposal that its expansion and population proportion has been influenced by selection through successive pandemics. Genetic and Structural analysis of COVID patients cohort reveals a correlation between mitochondrial haplogroup and SARS-CoV-2 severity.