Abstract Synonymous mutations, which change only the DNA sequence but not the encoded protein sequence, can affect protein structure and function, mRNA maturation, and mRNA half-lives. The possibility that synonymous mutations can act as cancer drivers has been explored in several recent studies. However, none of these studies control for all three levels (patient, histology, and gene) of mutational heterogeneity that are known to affect the accurate identification of non-synonymous cancer drivers. Here, we create an algorithm, MutSigCVsyn, an adaptation of MutSigCV, to identify synonymous cancer drivers based on a novel non-coding background model that takes into account the mutational heterogeneity across these levels. Examining 2,572 PCAWG cancer whole-genome sequences, MutSigCVsyn identifies 30 novel synonymous drivers that include mutations in promising candidates like BCL-2. By bringing the best practices in non-synonymous driver identification to the analysis of synonymous drivers, these are promising candidates for future experimental study.

Analysis methods based on simulations and optimization have been previously developed to estimate relative translation rates from next-generation sequencing data. Translation involves molecules and chemical reactions; hence, bioinformatics methods consistent with the laws of chemistry and physics are more likely to produce accurate results. Here, we derive simple equations based on chemical kinetic principles to measure the translation-initiation rate, transcriptome-wide elongation rate, and individual codon translation rates from ribosome profiling experiments. Our methods reproduce the known rates from ribosome profiles generated from detailed simulations of translation. Applying our methods to data from S. cerevisiae and mouse embryonic stem cells we find that the extracted rates reproduce expected correlations with various molecular properties. A codon can exhibit up to 26-fold variability in its translation rate depending upon its context within a transcript. This broad distribution means that the average translation rate of a codon is not representative of the rate at which most instances of that codon are translated. We also find that mouse embryonic stem cells have a global translation speed of 5.2 AA/s, is similar to what has been previous reported using another analysis method. This large variability in translation rates suggests that translational regulation might be used by cells to a greater degree than previously thought.

Identifying the A- and P-site locations on ribosome-protected mRNA fragments from Ribo-Seq experiments is a fundamental step in the quantitative analysis of transcriptome-wide translation properties at the codon level. Many analyses of Ribo-Seq data have utilized heuristic approaches applied to a narrow range of fragment sizes to identify the A-site. In this study, we use Integer Programming to identify A-site by maximizing an objective function that reflects the fact that the ribosome's A-site on ribosome-protected fragments must reside between the second and stop codons of an mRNA. This identifies the A-site location as a function of the fragment's size and its 5' end reading frame in Ribo-Seq data generated from S. cerevisiae and mouse embryonic stem cells. The correctness of the identified A-site locations is demonstrated by showing that this method, as compared to others, yields the largest ribosome density at established stalling sites. By providing greater accuracy and utilization of a wider range of fragment sizes, our approach increases the signal-to-noise ratio of underlying biological signals associated with translation elongation at the codon length scale.

Variation in translation-elongation kinetics along a transcript's coding sequence plays an important role in the maintenance of cellular protein homeostasis by regulating co-translational protein folding, localization, and maturation. Translation-elongation speed is influenced by molecular factors within mRNA and protein sequences. For example, when proline is present in the ribosome's P- or A-site translation slows down, but the effect of other pairs of amino acids, in the context of all 400 possible pairs, has not been characterized. Here, we study Saccharomyces cerevisiae using a combination of mutational experiments, bioinformatics, and evolutionary analyses, and show that many different pairs of amino acids and their associated tRNA molecules predictably and causally encode translation rate information when these pairs are present in the A- and P-sites of the ribosome independent of other factors known to influence translation speed, including mRNA structure, wobble base pairing, tripeptide motifs, positively charged upstream nascent chain residues, and cognate tRNA concentration. The fast-translating pairs of amino acids that we identify are enriched seven-fold relative to the slow-translating pairs across Saccharomyces cerevisiae 's proteome, while the slow-translating pairs are enriched downstream of domain boundaries. Thus, the chemical identity of amino acid pairs contributes to variability in translation rates, elongation kinetics are causally encoded in the primary structure of proteins, and signatures of evolutionary selection indicate their potential role in co-translational processes.### Competing Interest StatementThe authors have declared no competing interest.