Deep learning takes on protein folding In 1972, Anfinsen won a Nobel prize for demonstrating a connection between a protein’s amino acid sequence and its three-dimensional structure. Since 1994, scientists have competed in the biannual Critical Assessment of Structure Prediction (CASP) protein-folding challenge. Deep learning methods took center stage at CASP14, with DeepMind’s Alphafold2 achieving remarkable accuracy. Baek et al . explored network architectures based on the DeepMind framework. They used a three-track network to process sequence, distance, and coordinate information simultaneously and achieved accuracies approaching those of DeepMind. The method, RoseTTA fold, can solve challenging x-ray crystallography and cryo–electron microscopy modeling problems and generate accurate models of protein-protein complexes. —VV

James Brugarolas and colleagues identify recurrent BAP1 mutations in clear cell renal cell carcinoma (ccRCC). They show that BAP1 binds to HCF-1 and suppresses cell proliferation, and they find that BAP1 loss is associated with high tumor grade. The molecular pathogenesis of renal cell carcinoma (RCC) is poorly understood. Whole-genome and exome sequencing followed by innovative tumorgraft analyses (to accurately determine mutant allele ratios) identified several putative two-hit tumor suppressor genes, including BAP1. The BAP1 protein, a nuclear deubiquitinase, is inactivated in 15% of clear cell RCCs. BAP1 cofractionates with and binds to HCF-1 in tumorgrafts. Mutations disrupting the HCF-1 binding motif impair BAP1-mediated suppression of cell proliferation but not deubiquitination of monoubiquitinated histone 2A lysine 119 (H2AK119ub1). BAP1 loss sensitizes RCC cells in vitro to genotoxic stress. Notably, mutations in BAP1 and PBRM1 anticorrelate in tumors (P = 3 × 10−5), and combined loss of BAP1 and PBRM1 in a few RCCs was associated with rhabdoid features (q = 0.0007). BAP1 and PBRM1 regulate seemingly different gene expression programs, and BAP1 loss was associated with high tumor grade (q = 0.0005). Our results establish the foundation for an integrated pathological and molecular genetic classification of RCC, paving the way for subtype-specific treatments exploiting genetic vulnerabilities.

Lipodystrophy is a disorder characterized by a loss of adipose tissue often accompanied by severe hypertriglyceridemia, insulin resistance, diabetes, and fatty liver. It can be inherited or acquired. The most severe inherited form is Berardinelli-Seip Congenital Lipodystrophy Type 2, associated with mutations in the BSCL2 gene. BSCL2 encodes seipin, the function of which has been entirely unknown. We now report the identification of yeast BSCL2 /seipin through a screen to detect genes important for lipid droplet morphology. The absence of yeast seipin results in irregular lipid droplets often clustered alongside proliferated endoplasmic reticulum (ER); giant lipid droplets are also seen. Many small irregular lipid droplets are also apparent in fibroblasts from a BSCL2 patient. Human seipin can functionally replace yeast seipin, but a missense mutation in human seipin that causes lipodystrophy, or corresponding mutations in the yeast gene, render them unable to complement. Yeast seipin is localized in the ER, where it forms puncta. Almost all lipid droplets appear to be on the ER, and seipin is found at these junctions. Therefore, we hypothesize that seipin is important for droplet maintenance and perhaps assembly. In addition to detecting seipin, the screen identified 58 other genes whose deletions cause aberrant lipid droplets, including 2 genes encoding proteins known to activate lipin, a lipodystrophy locus in mice, and 16 other genes that are involved in endosomal–lysosomal trafficking. The genes identified in our screen should be of value in understanding the pathway of lipid droplet biogenesis and maintenance and the cause of some lipodystrophies.

Angiopoietin-like proteins (ANGPTLs) play major roles in the trafficking and metabolism of lipids. Inactivation of ANGPTL3 , a gene located in an intron of DOCK7 , results in very low levels of LDL-cholesterol (C), HDL-C and triglyceride (TAG). We identified another ANGPTL family member, ANGPTL8 , which is located in the corresponding intron of DOCK6 . A variant in this family member (rs2278426, R59W) was associated with lower plasma LDL-C and HDL-C levels in three populations. ANGPTL8 is expressed in liver and adipose tissue, and circulates in plasma of humans. Expression of ANGPTL8 was reduced by fasting and increased by refeeding in both mice and humans. To examine the functional relationship between the two ANGPTL family members, we expressed ANGPTL3 at physiological levels alone or together with ANGPTL8 in livers of mice. Plasma TAG level did not change in mice expressing ANGPTL3 alone, whereas coexpression with ANGPTL8 resulted in hypertriglyceridemia, despite a reduction in circulating ANGPTL3. ANGPTL8 coimmunoprecipitated with the N-terminal domain of ANGPTL3 in plasma of these mice. In cultured hepatocytes, ANGPTL8 expression increased the appearance of N-terminal ANGPTL3 in the medium, suggesting ANGPTL8 may activate ANGPTL3. Consistent with this scenario, expression of ANGPTL8 in Angptl3 −/− mice failed to promote hypertriglyceridemia. Thus, ANGPTL8 , a paralog of ANGPTL3 that arose through duplication of an ancestral DOCK gene, regulates postprandial TAG and fatty acid metabolism by controlling activation of its progenitor, and perhaps other ANGPTLs. Inhibition of ANGPTL8 provides a new therapeutic strategy for reducing plasma lipoprotein levels.

Somasekar Seshagiri, James Brugarolas and colleagues report the mutational landscape of 167 non–clear cell renal cell carcinomas (nccRCCs) from multiple subtypes. They identify subtype-specific driver mutations and gene fusions, including ones involving MITF, which result in expression of the anti-apoptotic protein BIRC7 and might thus indicate candidates for treatment with BIRC7 inhibitors. To further understand the molecular distinctions between kidney cancer subtypes, we analyzed exome, transcriptome and copy number alteration data from 167 primary human tumors that included renal oncocytomas and non–clear cell renal cell carcinomas (nccRCCs), consisting of papillary (pRCC), chromophobe (chRCC) and translocation (tRCC) subtypes. We identified ten significantly mutated genes in pRCC, including MET, NF2, SLC5A3, PNKD and CPQ. MET mutations occurred in 15% (10/65) of pRCC samples and included previously unreported recurrent activating mutations. In chRCC, we found TP53, PTEN, FAAH2, PDHB, PDXDC1 and ZNF765 to be significantly mutated. Gene expression analysis identified a five-gene set that enabled the molecular classification of chRCC, renal oncocytoma and pRCC. Using RNA sequencing, we identified previously unreported gene fusions, including ACTG1-MITF fusion. Ectopic expression of the ACTG1-MITF fusion led to cellular transformation and induced the expression of downstream target genes. Finally, we observed upregulation of the anti-apoptotic factor BIRC7 in MiTF-high RCC tumors, suggesting a potential therapeutic role for BIRC7 inhibitors.

Abstract DeepMind presented remarkably accurate protein structure predictions at the CASP14 conference. We explored network architectures incorporating related ideas and obtained the best performance with a 3-track network in which information at the 1D sequence level, the 2D distance map level, and the 3D coordinate level is successively transformed and integrated. The 3-track network produces structure predictions with accuracies approaching those of DeepMind in CASP14, enables rapid solution of challenging X-ray crystallography and cryo-EM structure modeling problems, and provides insights into the functions of proteins of currently unknown structure. The network also enables rapid generation of accurate models of protein-protein complexes from sequence information alone, short circuiting traditional approaches which require modeling of individual subunits followed by docking. We make the method available to the scientific community to speed biological research. One-Sentence Summary Accurate protein structure modeling enables rapid solution of structure determination problems and provides insights into biological function.

Abstract The size of an animal is determined by the size of its musculoskeletal system. Myoblast fusion is an innovative mechanism that allows for multinucleated muscle fibers to compound the size and strength of individual mononucleated cells. However, the evolutionary history of the control mechanism underlying this important process is currently unknown. The phylum Chordata hosts closely related groups that span distinct myoblast fusion states: no fusion in cephalochordates, restricted fusion and multinucleation in tunicates, and extensive, obligatory fusion in vertebrates. To elucidate how these differences may have evolved, we studied the evolutionary origins and function of membrane-coalescing agents Myomaker and Myomixer in various groups of chordates. Here we report that Myomaker likely arose through gene duplication in the last common ancestor of tunicates and vertebrates, while Myomixer appears to have evolved de novo in early vertebrates. Functional tests revealed an unexpectedly complex evolutionary history of myoblast fusion in chordates. A pre-vertebrate phase of muscle multinucleation driven by Myomaker was followed by the later emergence of Myomixer that enables the highly efficient fusion system of vertebrates. Thus, our findings reveal the evolutionary origins of chordate-specific fusogens and illustrate how new genes can shape the emergence of novel morphogenetic traits and mechanisms.

Abstract The evolutionary classification of protein domains (ECOD) classifies protein domains using a combination of sequence and structural data (http://prodata.swmed.edu/ecod). Here we present the culmination of our previous efforts at classifying domains from predicted structures, principally from the AlphaFold Database (AFDB), by integrating these domains with our existing classification of PDB structures. This combined classification includes both domains from our previous, purely experimental, classification of domains as well as domains from our provisional classification of 48 proteomes in AFDB predicted from model organisms and organisms of concern to global health. ECOD classifies over 1.8 M domains from over 1000 000 proteins collectively deposited in the PDB and AFDB. Additionally, we have changed the F-group classification reference used for ECOD, deprecating our original ECODf library and instead relying on direct collaboration with the Pfam sequence family database to inform our classification. Pfam provides similar coverage of ECOD with family classification while being more accurate and less redundant. By eliminating duplication of effort, we can improve both classifications. Finally, we discuss the initial deployment of DrugDomain, a database of domain-ligand interactions, on ECOD and discuss future plans.

The human genome harbors a variety of genetic variations. Single-nucleotide changes that alter amino acids in protein-coding regions are one of the major causes of human phenotypic variation and diseases. These single-amino acid variations (SAVs) are routinely found in whole genome and exome sequencing. Evaluating the functional impact of such genomic alterations is crucial for diagnosis of genetic disorders. We developed DeepSAV, a deep-learning convolutional neural network to differentiate disease-causing and benign SAVs based on a variety of protein sequence, structural and functional properties. Our method outperforms most stand-alone programs and has similar predictive power compared to some of the best available. We transformed DeepSAV scores of rare SAVs observed in the general population into a mutation severity measure of protein-coding genes. This measure reflects a gene's tolerance to deleterious missense mutations and serves as a useful tool to study gene-disease associations. Genes implicated in cancer, autism, and viral interaction are found by this measure as intolerant to mutations, while genes associated with a number of other diseases are scored as tolerant. Among known disease-associated genes, those that are mutation-intolerant are likely to function in development and signal transduction pathways, while those that are mutation-tolerant tend to encode metabolic and mitochondrial proteins.

Never before have we had the luxury of choosing a continent, picking a large phylogenetic group of animals, and obtaining genomic data for its every species. Here, we sequence all 845 species of butterflies recorded from North America north of Mexico. Our comprehensive approach reveals the pattern of diversification and adaptation occurring in this phylogenetic lineage as it has spread over the continent, which cannot be seen on a sample of selected species. We observe bursts of diversification that generated taxonomic ranks: subfamily, tribe, subtribe, genus, and species. The older burst around 70 Mya resulted in the butterfly subfamilies, with the major evolutionary inventions being unique phenotypic traits shaped by high positive selection and gene duplications. The recent burst around 5 Mya is caused by explosive radiation in diverse butterfly groups associated with diversification in transcription and mRNA regulation, morphogenesis, and mate selection. Rapid radiation correlates with more frequent introgression of speciation-promoting and beneficial genes among radiating species. Radiation and extinction patterns over the last 100 million years suggest the following general model of animal evolution. A population spreads over the land, adapts to various conditions through mutations, and diversifies into several species. Occasional hybridization between these species results in accumulation of beneficial alleles in one, which eventually survives, while others become extinct. Not only butterflies, but also the hominids may have followed this path.