Белково-белковые взаимодействия ( PPI ) — это физические контакты высокой специфичности, устанавливаемые между двумя или более белковыми молекулами в результате биохимических событий, управляемых взаимодействиями, которые включают электростатические силы , водородные связи и гидрофобный эффект . Многие из них представляют собой физические контакты с молекулярными ассоциациями между цепями, которые возникают в клетке или живом организме в определенном биомолекулярном контексте.
Белки редко действуют в одиночку, поскольку их функции обычно регулируются. Многие молекулярные процессы внутри клетки выполняются молекулярными машинами , построенными из многочисленных белковых компонентов, организованных их ИПП. Эти физиологические взаимодействия составляют так называемую интерактомику организма, в то время как аберрантные ИПП лежат в основе множества заболеваний, связанных с агрегацией, таких как болезни Крейцфельдта-Якоба и болезнь Альцгеймера .
ИПП изучались многими методами и с разных точек зрения: биохимия , квантовая химия , молекулярная динамика , передача сигнала и другие. [1] [2] [3] Вся эта информация позволяет создавать крупные сети взаимодействия белков [4] – подобные метаболическим или генетическим/эпигенетическим сетям – которые расширяют возможности современных знаний о биохимических каскадах и молекулярной этиологии заболеваний, а также открытие предполагаемых белковых мишеней, представляющих терапевтический интерес.
Во многих метаболических реакциях белок, действующий как переносчик электронов, связывается с ферментом, который действует как его редуктаза . После того, как он получает электрон, он диссоциирует, а затем связывается со следующим ферментом, который действует как его оксидаза (т.е. акцептор электрона). Эти взаимодействия между белками зависят от высокоспецифичного связывания между белками, обеспечивающего эффективный перенос электронов. Примеры: компоненты системы цепи окислительного фосфорилирования митохондрий цитохром с-редуктаза/ цитохром с /цитохром с оксидаза; микросомальная и митохондриальная системы P450. [5]
В случае митохондриальных систем P450 специфические остатки, участвующие в связывании белка переноса электронов адренодоксина с его редуктазой, были идентифицированы как два основных остатка Arg на поверхности редуктазы и два кислых остатка Asp на адренодоксине. [6] Более поздние работы по филогении редуктазы показали, что эти остатки, участвующие в белок-белковых взаимодействиях, были консервативны на протяжении всей эволюции этого фермента. [7]
Активность клетки регулируется внеклеточными сигналами. Распространение сигнала внутри и/или внутри клеток зависит от ИПП между различными сигнальными молекулами. Рекрутирование сигнальных путей через ИПП называется сигнальной трансдукцией и играет фундаментальную роль во многих биологических процессах и многих заболеваниях, включая болезнь Паркинсона и рак.
Белок может переносить другой белок (например, из цитоплазмы в ядро или наоборот в случае импортинов ядерной поры ). [ нужна цитата ]
Во многих процессах биосинтеза ферменты взаимодействуют друг с другом с образованием небольших соединений или других макромолекул. [ нужна цитата ]
Физиология мышечного сокращения включает в себя несколько взаимодействий. Миозиновые нити действуют как молекулярные моторы и, связываясь с актином, обеспечивают скольжение нитей. [8] Кроме того, члены семейства белков, связанных с липидными каплями скелетных мышц, связываются с другими белками в качестве активатора жировой триглицеридлипазы и ее коактиватора , сравнительная идентификация гена-58, для регулирования липолиза в скелетных мышцах.
Для описания типов белок-белковых взаимодействий (БВВ) важно учитывать, что белки могут взаимодействовать «транзиторным» образом (оказывать какой-то специфический эффект за короткое время, например, передачу сигнала) или взаимодействовать с другими белками в течение короткого времени. «стабильный» способ формирования комплексов, которые становятся молекулярными машинами внутри живых систем. Сборка белкового комплекса может привести к образованию гомоолигомерных или гетероолигомерных комплексов . Помимо традиционных комплексов, таких как фермент-ингибитор и антитело-антиген, могут устанавливаться взаимодействия также между домен-домен и домен-пептид. Еще одним важным различием в идентификации межбелковых взаимодействий является способ их определения, поскольку существуют методы измерения прямых физических взаимодействий между парами белков, называемые «бинарными» методами, в то время как существуют другие методы, измеряющие физические взаимодействия между группами белков. без попарного определения белков-партнеров, называемые «кокомплексными» методами.
Гомоолигомеры — это макромолекулярные комплексы, состоящие только из одного типа белковых субъединиц . Сборка субъединиц белка осуществляется путем установления нековалентных взаимодействий в четвертичной структуре белка. Разрушение гомоолигомеров с целью возврата к исходным индивидуальным мономерам часто требует денатурации комплекса. [9] Некоторые ферменты , белки-носители , каркасные белки и факторы регуляции транскрипции выполняют свои функции как гомоолигомеры. Отдельные белковые субъединицы взаимодействуют в гетероолигомерах, которые необходимы для контроля некоторых клеточных функций. Важность связи между гетерологичными белками еще более очевидна во время событий клеточной сигнализации, и такие взаимодействия возможны только благодаря структурным доменам внутри белков (как описано ниже).
В стабильных взаимодействиях участвуют белки, которые длительное время взаимодействуют, принимая в качестве субъединиц часть постоянных комплексов, чтобы выполнять функциональные роли. Обычно это гомоолигомеры (например, цитохром с ) и некоторые гетероолигомерные белки, являющиеся субъединицами АТФазы . С другой стороны, белок может кратковременно и обратимо взаимодействовать с другими белками только в определенных клеточных контекстах – типе клетки , стадии клеточного цикла , внешних факторах, присутствии других связывающих белков и т. д. – как это происходит с большинством белков. белки, участвующие в биохимических каскадах . Это так называемые временные взаимодействия. Например, некоторые рецепторы, связанные с G-белком, только временно связываются с белками G i/o , когда они активируются внеклеточными лигандами, [10] в то время как некоторые рецепторы, связанные с G q , такие как мускариновый рецептор M3, предварительно связываются с белками G q. до связывания рецептора с лигандом. [11] Взаимодействия между внутренне неупорядоченными белковыми областями и глобулярными белковыми доменами (т.е. MoRF ) являются временными взаимодействиями. [12]
Ковалентные взаимодействия имеют самую сильную связь и образуются за счет дисульфидных связей или совместного использования электронов . Хотя эти взаимодействия редки, они являются определяющими в некоторых посттрансляционных модификациях , таких как убиквитинирование и SUMOylation . Нековалентные связи обычно устанавливаются во время переходных взаимодействий за счет комбинации более слабых связей, таких как водородные связи , ионные взаимодействия, силы Ван-дер-Ваальса или гидрофобные связи. [13]
Молекулы воды играют значительную роль во взаимодействиях между белками. [14] [15] Кристаллические структуры комплексов, полученные с высоким разрешением из разных, но гомологичных белков, показали, что некоторые интерфейсные молекулы воды консервативны между гомологичными комплексами. Большинство молекул воды на границе раздела образуют водородные связи с обоими партнерами каждого комплекса. Некоторые интерфейсные аминокислотные остатки или атомные группы одного белка-партнера участвуют как в прямом, так и в водном взаимодействии с другим белком-партнером. Двойно-непрямые взаимодействия, опосредованные двумя молекулами воды, более многочисленны в гомологичных комплексах низкого сродства. [16] Тщательно проведенные эксперименты по мутагенезу, например, замена остатка тирозина на фенилаланин, показали, что взаимодействия, опосредованные водой, могут способствовать увеличению энергии взаимодействия. [17] Таким образом, молекулы воды могут способствовать взаимодействию и перекрестному распознаванию между белками.
Молекулярные структуры многих белковых комплексов были раскрыты с помощью метода рентгеновской кристаллографии . [18] [19] Первой структурой, которую удалось решить с помощью этого метода, была структура миоглобина кашалота , предложенная сэром Джоном Каудери Кендрю . [20] В этом методе углы и интенсивности пучка рентгеновских лучей, дифрагированных кристаллическими атомами, обнаруживаются в пленке, создавая таким образом трехмерную картину плотности электронов внутри кристалла. [21]
Позднее ядерный магнитный резонанс стал применяться и с целью расшифровки молекулярной структуры белковых комплексов. Одним из первых примеров была структура кальмодулинсвязывающих доменов, связанных с кальмодулином . [19] [22] Этот метод основан на изучении магнитных свойств атомных ядер, таким образом определяя физические и химические свойства соответствующих атомов или молекул. Ядерный магнитный резонанс полезен для характеристики слабых ИПП. [23]
Некоторые белки имеют специфические структурные домены или мотивы последовательности , которые обеспечивают связывание с другими белками. Вот несколько примеров таких доменов:
Изучение молекулярной структуры может дать подробную информацию о интерфейсе, обеспечивающем взаимодействие между белками. При характеристике PPI-интерфейсов важно учитывать тип комплекса. [9]
Оцениваемые параметры включают размер (измеренный в абсолютных размерах Å 2 или в площади поверхности, доступной для растворителя (SASA) ), форму, комплементарность между поверхностями, склонность к интерфейсу остатков, гидрофобность, сегментацию и вторичную структуру, а также конформационные изменения при образовании комплекса. [9]
Подавляющее большинство интерфейсов PPI отражает состав поверхностей белков, а не белковых ядер, несмотря на то, что они часто обогащены гидрофобными остатками, особенно ароматическими остатками. [25] Интерфейсы PPI динамичны и часто плоские, хотя они также могут быть сферическими и выступающими. [26] На основе трех структур – димера инсулина , трипсин -ингибиторного комплекса трипсина и оксигемоглобина – Сайрус Чотия и Джоэл Джанин обнаружили, что от 1130 до 1720 Å 2 площади поверхности удаляется при контакте с водой, что указывает на то, что гидрофобность является основным фактором. стабилизации индексов цен производителей. [27] Более поздние исследования уточнили площадь скрытой поверхности большинства взаимодействий до 1600±350 Å 2 . Однако наблюдались и гораздо более крупные интерфейсы взаимодействия, связанные со значительными изменениями конформации одного из партнеров по взаимодействию. [18] Интерфейсы PPI обладают как формой, так и электростатической комплементарностью. [9] [11]
Существует множество методов их обнаружения. [1] [28] Каждый из подходов имеет свои сильные и слабые стороны, особенно в отношении чувствительности и специфичности метода. Наиболее традиционными и широко используемыми высокопроизводительными методами являются двухгибридный скрининг дрожжей и аффинная очистка в сочетании с масс-спектрометрией .
Эта система была впервые описана в 1989 году Филдсом и Сонгом с использованием Saccharomyces cerevisiae в качестве биологической модели. [29] [30] Двухдрожжевой гибрид позволяет идентифицировать парные ИПП (бинарный метод) in vivo , в котором два белка тестируются на биофизическое прямое взаимодействие. Y2H основан на функциональном восстановлении дрожжевого фактора транскрипции Gal4 и последующей активации селективного репортера, такого как His3. Чтобы проверить взаимодействие двух белков, создаются две белковые экспрессирующие конструкции: один белок (X) слит с ДНК-связывающим доменом Gal4 (DB), а второй белок (Y) слит с доменом активации Gal4 (AD). В ходе анализа дрожжевые клетки трансформируют этими конструкциями. Транскрипция репортерных генов не происходит, если приманка (DB-X) и жертва (AD-Y) не взаимодействуют друг с другом и не образуют функциональный фактор транскрипции Gal4. Таким образом, о взаимодействии между белками можно судить по наличию продуктов экспрессии репортерного гена. [13] [31] В случаях, когда репортерный ген экспрессирует ферменты, которые позволяют дрожжам синтезировать незаменимые аминокислоты или нуклеотиды, рост дрожжей в условиях селективной среды указывает на то, что два тестируемых белка взаимодействуют. Недавно было опубликовано программное обеспечение для обнаружения и определения приоритетности взаимодействий белков. [32] [33]
Несмотря на свою полезность, дрожжевая двухгибридная система имеет ограничения. В качестве основной системы-хозяина он использует дрожжи, что может стать проблемой при изучении белков, содержащих посттрансляционные модификации, специфичные для млекопитающих. Число выявленных ИПП обычно невелико из-за высокого уровня ложноотрицательных результатов; [34] и, например , занижает значение мембранных белков . [35] [36]
В первоначальных исследованиях, в которых использовался Y2H, надлежащий контроль ложноположительных результатов (например, когда DB-X активирует репортерный ген без присутствия AD-Y) часто не проводился, что приводило к более высокому, чем обычно, уровню ложноположительных результатов. Для контроля этих ложных срабатываний необходимо внедрить эмпирическую основу. [37] Ограничения в более низком охвате мембранных белков были преодолены появлением двухгибридных вариантов дрожжей, таких как мембранный двухгибрид дрожжей (МИФ) [36] и система сплит-убиквитина, [31] которые не ограничивается взаимодействиями, происходящими в ядре; и бактериальную двугибридную систему, реализованную у бактерий; [38]
Аффинная очистка в сочетании с масс-спектрометрией в основном обнаруживает стабильные взаимодействия и, следовательно, лучше идентифицирует функциональные ИПП in vivo. [39] [31] Этот метод начинается с очистки меченого белка, который экспрессируется в клетке обычно в концентрациях in vivo , и взаимодействующих с ним белков (аффинная очистка). Одним из наиболее выгодных и широко используемых методов очистки белков с очень низким уровнем загрязнения является тандемная аффинная очистка , разработанная Бертраном Серафином и Матиасом Манном и соответствующими коллегами. Затем ИПП можно количественно и качественно проанализировать с помощью масс-спектрометрии с использованием различных методов: химического включения, биологического или метаболического включения (SILAC) и методов без меток. [9] Кроме того, сетевая теория использовалась для изучения всего набора выявленных межбелковых взаимодействий в клетках. [4]
Эта система была впервые разработана ЛаБаером и его коллегами в 2004 году с использованием системы транскрипции и трансляции in vitro. Они использовали матрицу ДНК, кодирующую интересующий ген, слитую с белком GST, и он был иммобилизован на твердой поверхности. Антитело против GST и биотинилированная плазмидная ДНК связывались на предметном стекле, покрытом аминопропилтриэтоксисиланом (APTES). БСА может улучшить эффективность связывания ДНК. Биотинилированную плазмидную ДНК связывали авидином. Новый белок синтезировали с использованием бесклеточной системы экспрессии, т.е. лизата кроличьих ретикулоцитов (RRL), а затем новый белок захватывали с помощью антитела против GST, связанного на предметном стекле. Для проверки белок-белкового взаимодействия кДНК целевого белка и кДНК исследуемого белка были иммобилизованы на одном и том же покрытом предметном стекле. С использованием системы транскрипции и трансляции in vitro целевой и целевой белок были синтезированы с использованием одного и того же экстракта. Целевой белок связывался с массивом с помощью антитела, нанесенного на предметное стекло, и для зондирования массива использовался исследуемый белок. Запрашиваемый белок был помечен эпитопом гемагглютинина (НА). Таким образом, взаимодействие между двумя белками визуализировалось с помощью антитела против НА. [40] [41]
Когда несколько копий полипептида, кодируемого геном, образуют комплекс, такая белковая структура называется мультимером. Когда мультимер образуется из полипептидов, продуцируемых двумя разными мутантными аллелями конкретного гена, смешанный мультимер может проявлять большую функциональную активность, чем несмешанные мультимеры, образованные каждым из мутантов по отдельности. В таком случае это явление называется внутригенной комплементацией (также называемой межаллельной комплементацией). Внутригенная комплементация была продемонстрирована во многих различных генах у различных организмов, включая грибы Neurospora crassa , Saccharomyces cerevisiae и Schizosaccharomyces pombe ; бактерия Salmonella typhimurium ; вирус- бактериофаг Т4 , [42] РНК-вирус [43] и человек. [44] В таких исследованиях многочисленные мутации , дефектные в одном и том же гене, часто выделялись и картировались в линейном порядке на основе частот рекомбинации для формирования генетической карты гена. Отдельно мутанты тестировали в парных комбинациях для измерения комплементации. Анализ результатов таких исследований привел к выводу, что внутригенная комплементация, как правило, возникает в результате взаимодействия разнодефектных полипептидных мономеров с образованием мультимера. [45] Гены, которые кодируют полипептиды, образующие мультимеры, по-видимому, широко распространены. Одна из интерпретаций данных состоит в том, что мономеры полипептидов часто выстраиваются в мультимере таким образом, что мутантные полипептиды, дефектные в соседних участках генетической карты, имеют тенденцию образовывать смешанный мультимер, который плохо функционирует, тогда как мутантные полипептиды, дефектные в отдаленных участках, имеют тенденцию образовывать смешанный мультимер, который плохо функционирует. смешанный мультимер, который действует более эффективно. Прямое взаимодействие двух возникающих белков, возникающих из близлежащих рибосом, по-видимому, является общим механизмом образования гомоолигомера (мультимера). [46] Были идентифицированы сотни белковых олигомеров, которые собираются в клетках человека посредством такого взаимодействия. [46] Наиболее распространенная форма взаимодействия происходит между N-концевыми областями взаимодействующих белков. Формирование димеров, по-видимому, может происходить независимо от специальных сборочных машин. Межмолекулярные силы, вероятно, ответственные за самораспознавание и образование мультимеров, обсуждались Йеле. [47]
С развитием технологий появляются разнообразные методы идентификации ИЦП. К ним относятся коиммунопреципитация, белковые микроматрицы , аналитическое ультрацентрифугирование , светорассеяние , флуоресцентная спектроскопия , люминесцентное картирование интерактома млекопитающих (LUMIER), системы резонансной передачи энергии, ловушка взаимодействия белок-белок млекопитающих, электропереключаемые биоповерхности , комплементация белков-фрагментов. анализ, а также измерения в режиме реального времени без меток с помощью поверхностного плазмонного резонанса и калориметрии . [35] [36]
Экспериментальное обнаружение и характеристика ИПП трудоемки и отнимают много времени. Однако многие индексы потребительских цен можно также спрогнозировать с помощью вычислений, обычно используя экспериментальные данные в качестве отправной точки. Однако были также разработаны методы, которые позволяют прогнозировать ИПП de novo, то есть без предварительных доказательств этих взаимодействий.
Метод Розеттского камня или слияния доменов основан на гипотезе о том, что взаимодействующие белки иногда сливаются в один белок в другом геноме. [48] Таким образом, мы можем предсказать, могут ли два белка взаимодействовать, определив, имеет ли каждый из них неперекрывающееся сходство последовательностей с участком одной белковой последовательности в другом геноме.
Метод консервативного соседства основан на гипотезе о том, что если гены, кодирующие два белка, являются соседями на хромосоме во многих геномах, то они, вероятно, функционально связаны (и, возможно, физически взаимодействуют). [49]
Метод филогенетического профиля основан на гипотезе о том, что если два или более белка одновременно присутствуют или отсутствуют в нескольких геномах, то они, вероятно, функционально связаны. [49] Таким образом, потенциально взаимодействующие белки можно идентифицировать, определяя наличие или отсутствие генов во многих геномах и выбирая те гены, которые всегда присутствуют или отсутствуют вместе.
Общедоступная информация из биомедицинских документов легко доступна через Интернет и становится мощным ресурсом для сбора известных белок-белковых взаимодействий (PPI), прогнозирования PPI и докинга белков. Анализ текста требует гораздо меньше затрат и времени по сравнению с другими высокопроизводительными методами. В настоящее время методы интеллектуального анализа текста обычно обнаруживают бинарные отношения между взаимодействующими белками из отдельных предложений, используя методы извлечения информации на основе правил/шаблонов и подходы машинного обучения . [50] Для публичного использования доступен широкий спектр приложений для интеллектуального анализа текста для извлечения и/или прогнозирования PPI, а также репозиториев, которые часто хранят проверенные вручную и/или предсказанные с помощью вычислений PPI. Интеллектуальный анализ текста может осуществляться в два этапа: поиск информации , при котором извлекаются тексты, содержащие имена одного или обоих взаимодействующих белков, и извлечение информации, при котором извлекается целевая информация (взаимодействующие белки, вовлеченные остатки, типы взаимодействия и т. д.).
Существуют также исследования с использованием филогенетического профилирования , основанные на теории о том, что белки, участвующие в общих путях, эволюционируют коррелированным образом у разных видов. Некоторые более сложные методологии интеллектуального анализа текста используют передовые методы обработки естественного языка (NLP) и создают сети знаний (например, рассматривая имена генов как узлы, а глаголы как ребра). Другие разработки включают методы ядра для прогнозирования взаимодействий белков. [51]
Многие вычислительные методы были предложены и рассмотрены для прогнозирования белок-белковых взаимодействий. [52] [53] [54] Подходы к прогнозированию можно сгруппировать по категориям на основе прогностических данных: последовательность белка, сравнительная геномика , белковые домены, третичная структура белка и топология сети взаимодействия. [52] Построение положительного набора (известные взаимодействующие пары белков) и отрицательного набора (невзаимодействующие пары белков) необходимо для разработки модели вычислительного прогнозирования. [53] Модели прогнозирования с использованием методов машинного обучения можно разделить на две основные группы: контролируемые и неконтролируемые, на основе маркировки входных переменных в соответствии с ожидаемым результатом. [54]
В 2005 году интегральные мембранные белки Saccharomyces cerevisiae были проанализированы с использованием убиквитиновой системы на основе спаривания (mbSUS). Система обнаруживает взаимодействия мембранных белков с внеклеточными сигнальными белками [55]. Из 705 интегральных мембранных белков было прослежено 1985 различных взаимодействий, в которых участвовало 536 белков. Для сортировки и классификации взаимодействий использовалась машина опорных векторов для определения взаимодействий с высокой, средней и низкой достоверностью. Двугибридная система дрожжей с расщепленной убиквитиновой мембраной использует транскрипционные репортеры для идентификации дрожжевых трансформантов, которые кодируют пары взаимодействующих белков. [56] В 2006 году случайный лес , пример контролируемого метода, был признан наиболее эффективным методом машинного обучения для прогнозирования взаимодействия белков. [57] Такие методы применялись для обнаружения белковых взаимодействий на интерактоме человека, в частности на интерактоме мембранных белков [58] и интерактоме белков, связанных с шизофренией. [59]
По состоянию на 2020 год модель с использованием классов кластеров остатков (RCC), построенная на основе баз данных 3DID и Negatome, привела к правильно классифицированным 96–99% случаев белок-белковых взаимодействий. [60] RCC представляют собой вычислительное векторное пространство, которое имитирует пространство складок белка и включает в себя все одновременно контактирующие наборы остатков, которые можно использовать для анализа соотношения структуры и функции белка и его эволюции. [61]
Крупномасштабная идентификация ИПП привела к появлению сотен тысяч взаимодействий, которые были собраны в специализированные биологические базы данных , которые постоянно обновляются для обеспечения полных интерактомов . Первой из этих баз данных была База данных взаимодействующих белков (DIP) . [62]
Первичные базы данных собирают информацию об опубликованных ИЦП, существование которых доказано с помощью мелкомасштабных или крупномасштабных экспериментальных методов. Примеры: DIP , База данных сети биомолекулярных взаимодействий (BIND), Общий биологический репозиторий наборов данных о взаимодействиях ( BioGRID ), Справочная база данных человеческих белков (HPRD), База данных молекулярных взаимодействий IntAct, База данных молекулярных взаимодействий (MINT), Ресурс по взаимодействию белков MIPS на дрожжах (MIPS). -MPact) и базу данных межбелковых взаимодействий MIPS (MIPS-MPPI).<
Базы метаданных обычно возникают в результате интеграции информации из первичных баз данных, но могут также собирать некоторые исходные данные.
Базы данных прогнозов включают множество индексов цен производителей, которые прогнозируются с использованием нескольких методов (основная статья). Примеры: База данных прогнозирования белок-белковых взаимодействий человека (PIPs), [63] База данных межлогических взаимодействий (I2D), Известные и прогнозируемые белок-белковые взаимодействия (STRING-db) и Unified Human Interactive (UniHI).
Все вышеупомянутые вычислительные методы зависят от исходных баз данных, данные которых можно экстраполировать для прогнозирования новых межбелковых взаимодействий . Охват сильно различается в разных базах данных. В целом, в первичных базах данных зарегистрировано наименьшее количество общих взаимодействий белков, поскольку они не интегрируют данные из множества других баз данных, тогда как в базах данных прогнозирования их больше всего, поскольку они включают другие формы доказательств в дополнение к экспериментальным. Например, основная база данных IntAct имеет 572 063 взаимодействия, [64] APID метабазы данных имеет 678 000 взаимодействий, [65] а прогнозная база данных STRING имеет 25 914 693 взаимодействия. [66] Однако важно отметить, что некоторые взаимодействия в базе данных STRING прогнозируются только с помощью вычислительных методов, таких как Genomic Context, и не проверяются экспериментально.
Информация, содержащаяся в базах данных PPI, поддерживает построение сетей взаимодействия. Хотя сеть PPI заданного белка-запроса может быть представлена в учебниках, диаграммы PPI целых клеток откровенно сложны, и их трудно создать. [67]
Одним из примеров карты молекулярного взаимодействия, созданной вручную, является карта контроля клеточного цикла Курта Кона 1999 года. [68] Опираясь на карту Кона, Schwikowski et al. в 2000 году опубликовал статью об ИПП в дрожжах, связывающую 1548 взаимодействующих белков, определенных с помощью двухгибридного скрининга. Они использовали метод рисования многоуровневых графов, чтобы найти начальное расположение узлов, а затем улучшили компоновку с помощью алгоритма, основанного на силе. [69]
Биоинформатические инструменты были разработаны, чтобы упростить сложную задачу визуализации сетей молекулярного взаимодействия и дополнить их другими типами данных. Например, Cytoscape — это широко используемое программное обеспечение с открытым исходным кодом, и в настоящее время доступно множество плагинов. [70] Программное обеспечение Pajek выгодно для визуализации и анализа очень больших сетей. [49]
Идентификация функциональных модулей в сетях PPI является важной задачей биоинформатики. Функциональные модули — это набор белков, тесно связанных друг с другом в сети PPI. Это почти аналогичная проблема с обнаружением сообществ в социальных сетях . Существуют некоторые методы, такие как модули Jactive [71] и MoBaS. [72] Модули Jactive интегрируют сеть PPI и данные об экспрессии генов , тогда как MoBaS интегрируют сеть PPI и исследования общегеномных ассоциаций .
Белко-белковые взаимоотношения часто являются результатом множественных типов взаимодействий или выводятся на основе различных подходов, включая совместную локализацию, прямое взаимодействие, супрессивное генетическое взаимодействие, аддитивное генетическое взаимодействие, физическую ассоциацию и другие ассоциации. [73]
Белко-белковые взаимодействия часто приводят к тому, что один из взаимодействующих белков либо «активируется», либо «репрессируется». Такие эффекты могут обозначаться в сети PPI «знаками» (например, «активацией» или «ингибированием»). Хотя такие атрибуты были добавлены в сети уже давно, [75] Vinayagam et al. (2014) придумал для них термин «Подписанная сеть» . Подписанные сети часто выражаются путем обозначения взаимодействия как положительного или отрицательного. Позитивное взаимодействие — это взаимодействие, приводящее к активации одного из белков. И наоборот, отрицательное взаимодействие указывает на то, что один из белков инактивируется. [76]
Сети межбелкового взаимодействия часто создаются в результате лабораторных экспериментов, таких как скрининг двухгибридных дрожжей или «аффинная очистка и последующие методы масс-спектрометрии». [77] Однако эти методы не обеспечивают уровень информации, необходимый для определения того, какой тип взаимодействия присутствует, чтобы иметь возможность приписывать знаки сетевым диаграммам.
Скрининг РНК-интерференции (РНКи) (репрессия отдельных белков между транскрипцией и трансляцией) является одним из методов, который можно использовать в процессе выявления признаков белок-белковых взаимодействий. Отдельные белки подавляются, и полученные фенотипы анализируются. Коррелирующая фенотипическая связь (т.е. когда ингибирование любого из двух белков приводит к одному и тому же фенотипу) указывает на положительную или активирующую связь. Фенотипы, которые не коррелируют (т.е. когда ингибирование любого из двух белков приводит к появлению двух разных фенотипов), указывают на отрицательные или инактивирующие отношения. Если активация белка A зависит от белка B, то ингибирование белка A или B приведет к тому, что клетка утратит функцию, предоставляемую белком A, и фенотипы будут одинаковыми для ингибирования либо A, либо B. Если Однако белок A инактивируется белком B, тогда фенотипы будут различаться в зависимости от того, какой белок ингибируется (ингибирует белок B, и он больше не может инактивировать белок A, оставляя активным A, но инактивируя A, и B нечего активировать, поскольку A неактивен и фенотип меняется). Чтобы надежно определить признак данного белок-белкового взаимодействия, необходимо провести множественные скрининги РНКи . Винаягам и др. Разработавшие этот метод утверждают, что требуется минимум девять скринингов RNAi, причем уверенность возрастает по мере проведения большего количества скринингов. [76]
Модуляция PPI является сложной задачей и привлекает все большее внимание научного сообщества. [78] Некоторые свойства ИПП, такие как аллостерические сайты и «горячие точки», были включены в стратегии разработки лекарств. [79] [80] Тем не менее, очень немногие ИПП непосредственно нацелены на одобренные FDA низкомолекулярные ингибиторы ИПП, что подчеркивает огромные неиспользованные возможности для открытия новых лекарств.
В 2014 году Амит Джайсвал и другие смогли разработать 30 пептидов, ингибирующих привлечение теломеразы к теломерам, используя исследования белок-белкового взаимодействия. [81] [82] Аркин и другие смогли разработать ингибиторы на основе фрагментов антител для регулирования специфических белок-белковых взаимодействий. [83]
Поскольку «модуляция» ИПП включает не только ингибирование, но и стабилизацию четвертичных белковых комплексов , молекулы с таким механизмом действия (так называемые молекулярные клеи ) также интенсивно изучаются. [84]
{{cite journal}}
: CS1 maint: DOI неактивен по состоянию на апрель 2024 г. ( ссылка )