2019年7月24日，暨南大學生命科學技術學院何慶瑜教授、張弓教授、王通教授團隊在Nucleic Acids Research上發表論文，發現了約4700個人類“非編碼基因”實際上可能翻譯成蛋白質，并提供了其中314個由長鏈非編碼RNA (lncRNA) 表達的蛋白質證據。這些蛋白質不是小肽，而是含50個氨基酸以上的蛋白質，它們能穩定存在，并可以在癌癥等病變中發揮重要作用。由于這些蛋白質長期以來被人們認為不會存在，所以被稱為“隱藏的蛋白質組”（Hidden Proteome）。

人類基因組上已知大約有5萬個基因，其中約2萬個被標注為可以表達蛋白質的 “編碼基因”，而另外3萬個基因被標注為“非編碼基因”(non-coding genes)。已有的報道中，除了部分非編碼基因可以表達為小肽行使調控功能外，也有個別lncRNA被發現實際上能翻譯成>50氨基酸的蛋白質，例如CLUU1, ESRG等，問題是，如果這種情況不是個案而是普遍存在的現象，則確實存在部分“編碼基因”被錯誤地標注成了“非編碼基因”，這將意味著人基因組需要被系統性地重新注釋。

事實上，這一問題很早就被學界關注過。2013年，Eric Lander等人僅僅根據Ribosome profiling計算模型認為lncRNA不可能編碼蛋白質。但僅僅一年后，該團隊又發表文章，僅僅是調整了計算模型，認為lncRNA可能編碼蛋白質，然而其始終拿不出蛋白質實驗證據。2014年，人類蛋白質組草圖在Nature上發表，聲稱發現千余個lncRNA所編碼的“新蛋白質”，但隨后便被人類蛋白質組組織(HUPO)爆出其分析不合規范，存在大量的假陽性鑒定，在用較嚴格的標準進行質控后，這些所謂的“新蛋白質證據”幾乎都被認定為假陽性。因此，如何避免蛋白質組學質譜技術的固有缺陷，提供獨立的蛋白質編碼信息源，就顯得非常重要。

早在2013年，暨南大學團隊便利用自主建立的翻譯組測序技術（RNC-seq），在肺癌細胞中發現了1397個有可能被翻譯的“非編碼RNA”（Nucleic Acids Research 2013, 41, 4743）。經過6年的繼續探索，他們從9株人細胞系中共鑒定到約4700種lncRNA正在被翻譯，且可能以經典翻譯起始方式翻譯出>50氨基酸的蛋白質。利用目前公認的驗證標準，他們提供了其中314個新蛋白質的證據。這些蛋白質是穩定存在的，并且有著明確的細胞定位，功能實驗也證實它們以蛋白質形式（而非RNA形式）行使著明確的生物學功能。

為何這些“新蛋白”長期以來一直被認為不存在？這是因為人類基因組的注釋本來就是算法預測的結果，而任何算法預測都不會完全準確。通常來說，編碼基因都有多個外顯子，而且在進化上相對保守，于是算法就根據這兩個“經驗”進行判定。但此次暨南大學團隊發現的新蛋白，大部分只有一個外顯子，而且進化上出現得非常晚，大量新蛋白只在靈長目才出現，連小鼠基因組中都沒有。因此，算法可能錯誤地將這些編碼基因歸為了“非編碼基因”。當然，這些新蛋白在轉錄、翻譯、蛋白質各水平上表達量都較低，理化性質也比較特殊，因此也增加了檢測的難度。

此項工作揭示了一個隱藏的蛋白質組，發現了大批以往不為人所知的新蛋白質，為人類基因組的可能注釋錯誤提供了大規模的校正；這些新蛋白質可能含有與人類生理病理相關的重要分子，因而打開了一個新的人類蛋白質的寶庫，開辟新的研究領域。
 
該文的共同第一作者為暨南大學生命科學技術學院的盧少華博士、張靜博士和連新磊博士。幾家公司的技術人員也參與到此項研究中。當今世界上兩大質譜儀生產商Thermo和AB Sciex的技術人員在研究過程中都給予了技術支持，幫助優化了質譜方法以及質譜儀上的數據收集；安徽國平藥業的技術人員在重同位素標記的MRM實驗上給予了幫助；深圳承啟生物則為研究提供了系統生物學數據分析挖掘的支持。因此，這是一次成功的產學研合作。

原文標題：

A hidden human proteome encoded by ‘non-coding’ genes

https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkz646/5538014,
DOI: 10.1093/nar/gkz646

作者簡介：

暨南大學翻譯組學實驗室的負責人張弓教授，翻譯組學領域的建立者，其成果被選入國家統編教材。目前，張弓教授是中國生化與分子生物學學會蛋白質組學專業委員會(CNHUPO)理事，中國分子系統生物學專業委員會委員，國家優秀青年基金獲得者，國家863青年科學家，國家****“青年拔尖人才”，深圳市龍華區第一屆政協常委。