Overvågning af dynamikken i tusindvis af proteinkomplekser samtidigt i intakte celler

Protein-protein-interaktioner er kernen i alle cellulære funktioner og biologiske processer. Disse interaktioner er nøje reguleret i rum og tid for at opfylde cellens krav og forstyrres ofte i sygdomstilstande.

En international undersøgelse ledet af Chris Soon Heng Tan ved A*STAR Institute of Molecular and Cell Biology (IMCB) beskriver en ny teknik, der bruger kraftfuld dataanalyse til at udlede protein-protein-interaktionsdynamik fra smelteadfærden af ​​proteinkomplekser inde i celler.

Metoder til at fange snapshots af protein-protein-interaktionsnetværk i celler er blevet beskrevet før, men som Tan forklarer, "Indtil nu har der ikke været nogen måde at overvåge dynamikken i disse proteinkomplekser på en høj-throughput og umålrettet måde".

Udsættelse af proteiner for stigende temperatur får dem til at præcipitere ud af opløsningen. Thermal Proximity Coaggregation (TPCA) er baseret på ideen om, at proteiner, der er en del af et stabilt proteinkompleks, vil udfældes sammen, i kraft af nærhed, og har en lignende nedbørsprofil på tværs af forskellige temperaturer (eller smeltekurve).

I isolation, forskellige proteiner har sandsynligvis forskellige smeltekurver, men holdet viste, at i mere end 350 velkarakteriserede humane proteinkomplekser, smeltekurverne for interagerende proteiner er statistisk ens. Dermed, ved at kvantificere lighed mellem smeltekurver, TPCA-metoden kan bruges til at bestemme, hvilke proteiner der sandsynligvis vil interagere med hinanden og danne stabile komplekser på tværs af forskellige prøver.

"Vi var ret overraskede over, at TPCA-signaturerne var så stærke og sporbare, " indrømmer Tan. TPCA-signaturer viste sig at korrelere med mængden af ​​interaktion mellem to proteiner. Følgelig, de viser, at nogle komplekser ændrer deres smeltekurver afhængigt af celletypen eller cellecyklusstadiet, tyder på, at TPCA kunne bruges til at identificere ændringer i proteininteraktioner under forskellige forhold.

Når man forklarer fordelene ved TPCA, Tan siger, at sammenlignet med nuværende metoder, TPCA er ikke afhængig af tilgængeligheden af ​​passende affinitetsreagenser, såsom antistoffer, det kræver heller ikke genteknologi. Dette gør det muligt at anvende det på væv og kliniske prøver for at identificere proteinkomplekser, der driver sygdomsprogression, og som kan tjene som potentielle prognosemarkører eller terapeutiske mål.

Holdet bruger allerede teknikken til at studere de molekylære virkninger af stoffer og syntetiske kemikalier, og planlægger at udvide teknikken til at studere progressionen af ​​udvalgte menneskelige sygdomme.