Large-scale analysis of genotype-phenotype in relationships of aminomethyltransferase mutations in Nonketotic Hyperglycinemia disease

Abstract

Nonketotic hyperglycinemia (NKH) is a rare inborn error of glycine metabolism characterized by the accumulation of glycine in all tissues, especially in the central nervous system (CNS). The disease can occur because of various loss-of-function mutations in the aminomethyltransferase (AMT) gene, which encodes the T-protein. NKH can be divided into two clinical forms: attenuated and severe NKH. Currently, therapy is based on reduced glycine levels (sodium benzoate) and the use of N-methyl-D-aspartate (NMDA) receptor site antagonists (dextromethorphan). Despite these two therapies, the clinical outcomes remain poor. To date, no effective treatment for NKH has been established. In this study, a data-driven and computation-based approach is proposed for the large-scale analysis of T-protein mutations, including benign and pathologic mutations. Using in silico methodologies, including sequence-structure analysis and protein-cofactor interactions, we aimed to characterize the effects of AMT mutations on protein dynamics and function. Statistical analysis of the molecular features of the AMT mutations was performed to study the differences between benign and NKH-causing mutations. I also performed a careful analysis of binding (interactions) with the cofactor 5-methyltetrahydrofolate (5-CH3-H4folate) also known as THH with the T-protein.In addition, a machine learning model that identifies key molecular features to predict pathological mutations in AMT has been developed. This could be an important tool for evaluating the efficacy of new NKH treatments.

A hiperglicinémia não cetótica (NKH) é um erro congênito raro do metabolismo da glícina que se caracteriza pela acumulação de glícina em todos os tecidos, especialmente no sistema nervoso central (SNC). A doença pode ocorrer devido a várias mutações de perda de função no AMT, o gene que codifica a aminometiltransferase (AMT), também conhecido como proteína T.Atualmente, a terapia é baseada na redução dos níveis de glícina (benzoato de sódio) e na utilização do antagonista do sítio receptor do N-metil-D-aspartato (NMDA) (dextrometorfano).Até agora, nenhum tratamento eficaz é conhecido.Neste trabalho, uma abordagem baseada em dados e computacional é proposta para a análise em larga escala de mutações na proteína T-incluindo controle, atenuadas para NKH grave. Usando metodologias pipeline in silico incluindo análise de sequência-estrutura, interações proteína-cofator que terá como objetivo caracterizar os efeitos das mutações AMT na dinâmica e função das proteínas.Análises estatísticas das características moleculares foram computadas para estudar as diferenças entre mutações AMT, entre os fenótipos controle e NKH. também realizei uma análise cuidadosa da ligação (interações) do cofator 5-metiltetrahidrofolato (5-CH3-H4folato) também conhecido como THH com a proteína T.Além disso, é proposto o desenvolvimento de um modelo de aprendizado de máquina que identifique características moleculares chave para prever a gravidade da mutação de classificação da AMT. Em suma, esta pode ser uma ferramenta importante para a compreensão do mecanismos pelos quais certas mutações na proteína-T levam à disfunção do sistema de clivagem da glícina.