Войти
В молекулярной биологии интерактом - это полный набор молекулярных взаимодействий в конкретном ячейка. Этот термин конкретно относится к физическим взаимодействиям между молекулами (например, между белками, также известными как белок-белковые взаимодействия, PPI; или между небольшими молекулами и белками), но также может описывать наборы непрямых взаимодействий между генами ( генетические взаимодействия ). Интерактомы на основе PPI должны быть связаны с протеомом соответствующего вида, чтобы обеспечить глобальное представление («омическое») всех возможных молекулярных взаимодействий, которые может представлять белок.
Часть DISC1 взаимодействует с генами, представленными текстом в прямоугольниках, и взаимодействиями, отмеченными линиями между генами. Из Hennah and Porteous, 2009. Слово «интерактом» было первоначально придумано в 1999 году группой французских ученых во главе с Бернаром Жаком. Математически интерактомы обычно отображаются в виде графиков. Хотя интерактомы можно описать как биологические сети, их не следует путать с другими сетями, такими как нейронные сети или пищевые сети.
Молекулярные взаимодействия могут происходить между молекулами, принадлежащими к разным биохимическим семействам (белки, нуклеиновые кислоты, липиды, углеводы и т. д.), а также внутри данного семейства. Когда такие молекулы связаны физическими взаимодействиями, они образуют сети молекулярных взаимодействий, которые обычно классифицируются по природе задействованных соединений. Чаще всего, интерактом относится к сети белок-белковых взаимодействий (PPI) (PIN) или ее подмножествам. Например, взаимодействующий белок Sirt-1 и интерактом второго порядка семейства Sirt представляют собой сеть, включающую Sirt-1 и его непосредственно взаимодействующие белки, где как интерактом второго порядка иллюстрирует взаимодействия до второго порядка соседей (Соседи соседей). Другой широко изученный тип интерактома - это белок-ДНК-интерактом, также называемый ген-регуляторной сетью, сеть, образованная факторами транскрипции, регуляторными белками хроматина и их генами-мишенями. Даже метаболические сети можно рассматривать как сети молекулярного взаимодействия: метаболиты, то есть химические соединения в клетке, превращаются друг в друга с помощью ферментов, которые должны физически связывать свои субстраты.
Фактически, все типы интерактомов взаимосвязаны. Например, белковые интерактомы содержат множество ферментов, которые, в свою очередь, образуют биохимические сети. Точно так же сети регуляции генов существенно перекрываются с сетями взаимодействия белков и сигнальными сетями.
Оценка взаимодействия дрожжевого белка. Из Было высказано предположение, что размер интерактома организма лучше, чем размер генома, коррелирует с биологической сложностью организма. Хотя карты белок-белковых взаимодействий, содержащие несколько тысяч бинарных взаимодействий, теперь доступны для нескольких видов, ни одно из них в настоящее время не является полным, и размер интерактомов все еще является предметом споров.
Дрожжевой интерактом, то есть все белок-белковые взаимодействия между белками Saccharomyces cerevisiae, по оценкам, содержит от 10 000 до 30 000 взаимодействий. Разумная оценка может составлять порядка 20 000 взаимодействий. Более крупные оценки часто включают косвенные или предсказанные взаимодействия, часто из исследований аффинной очистки / масс-спектрометрии (AP / MS).
Гены взаимодействуют в том смысле, что влияют на функции друг друга. Например, мутация может быть безвредной, но когда она сочетается с другой мутацией, комбинация может оказаться летальной. Говорят, что такие гены «взаимодействуют генетически». Связанные таким образом гены образуют сети генетического взаимодействия. Некоторые из целей этих сетей: разработка функциональной карты клеточных процессов, идентификация мишеней для лекарств и прогнозирование функции не охарактеризованных генов.
В 2010 году наиболее "полный" генный интерактом, созданный на сегодняшний день, был составлен на основе примерно 5,4 миллиона сравнений двух генов, чтобы описать "профили взаимодействия для ~ 75% всех генов в почкующихся дрожжах ", с ~ 170 000 генными взаимодействиями. Гены были сгруппированы на основе сходной функции, чтобы построить функциональную карту клеточных процессов. Используя этот метод, исследование смогло предсказать известные функции генов лучше, чем любой другой набор данных в масштабе генома, а также добавить функциональную информацию для генов, которые ранее не были описаны. С помощью этой модели генетические взаимодействия можно наблюдать в разных масштабах, что поможет в изучении таких концепций, как сохранение генов. Некоторые из наблюдений, сделанных в этом исследовании, заключаются в том, что отрицательных взаимодействий было вдвое больше, чем положительных, отрицательные взаимодействия были более информативными, чем положительные взаимодействия, а гены с большим количеством связей с большей вероятностью приводили к летальному исходу при нарушении.
.
Интерактомика - это дисциплина на пересечении биоинформатики и биологии, которая занимается изучением как взаимодействий, так и последствий этих взаимодействий между и между белки и другие молекулы внутри клетки. Таким образом, интерактомика направлена на сравнение таких сетей взаимодействий (то есть, интерактомов) между видами и внутри видов, чтобы выяснить, как черты таких сетей либо сохраняются, либо изменяются.
Интерактомика - это пример системной биологии «сверху вниз», которая берет верхний, а также общий взгляд на биосистему или организм. Собираются большие наборы полногеномных и протеомных данных, и делается вывод о корреляциях между различными молекулами. На основании полученных данных сформулированы новые гипотезы об обратных связях между этими молекулами. Эти гипотезы могут быть затем проверены новыми экспериментами.
Изучение интерактомов называется интерактомикой. Базовой единицей белковой сети является белок-белковое взаимодействие (PPI). Несмотря на то, что существует множество методов изучения PPI, лишь немногие из них были использованы в крупном масштабе для картирования целых интерактомов.
дрожжевая двухгибридная система (Y2H) подходит для исследования бинарных взаимодействий между двумя белками одновременно. Аффинная очистка и последующая масс-спектрометрия подходят для идентификации белкового комплекса. Оба метода можно использовать в режиме высокой пропускной способности (HTP). Два гибридных скрининга дрожжей допускают ложноположительные взаимодействия между белками, которые никогда не экспрессируются в одно и то же время и в одном месте; Масс-спектрометрия с аффинным захватом лишена этого недостатка и в настоящее время является золотым стандартом. Данные по двугибридным дрожжам лучше указывают на неспецифические тенденции к липким взаимодействиям, тогда как масс-спектрометрия с аффинным захватом лучше показывает функциональные межбелковые взаимодействия in vivo.
После взаимодействия был создан, существует множество способов проанализировать его свойства. Однако такой анализ преследует две важные цели. Во-первых, ученые пытаются выяснить системные свойства интерактомов, например топология его взаимодействий. Во-вторых, исследования могут быть сосредоточены на отдельных белках и их роли в сети. Такие анализы в основном выполняются с использованием методов биоинформатики и включают, среди многих других, следующие:
Во-первых, необходимо оценить охват и качество интерактома.. Интерактомы никогда не бывают полными из-за ограничений экспериментальных методов. Например, было подсчитано, что типичные экраны Y2H обнаруживают только 25% или около того всех взаимодействий в интерактоме. Охват интерактома можно оценить, сравнив его с эталонными показателями хорошо известных взаимодействий, которые были обнаружены и подтверждены независимыми анализами. Другие методы отфильтровывают ложноположительные результаты, вычисляя сходство известных аннотаций задействованных белков, или определяют вероятность взаимодействия, используя субклеточную локализацию этих белков.
ИПП шизофрении. Использование экспериментальных данных в качестве отправной точки перенос гомологии является одним из способов предсказания интерактомов. Здесь ИПП из одного организма используются для прогнозирования взаимодействий между гомологичными белками в другом организме («интерологи»). Однако этот подход имеет определенные ограничения, прежде всего потому, что исходные данные могут быть ненадежными (например, содержать ложные срабатывания и ложные отрицания). Кроме того, белки и их взаимодействия изменяются в процессе эволюции и, следовательно, могут быть потеряны или приобретены. Тем не менее, были предсказаны многочисленные интерактомы, например алгоритм Bacillus licheniformis.
Некоторые алгоритмы используют экспериментальные данные о структурных комплексах, атомных деталях связывающих интерфейсов и создают подробные атомные модели белок-белковых комплексов, а также других взаимодействий белок-молекула. Другие алгоритмы используют только информацию о последовательности, тем самым создавая беспристрастные полные сети взаимодействия с множеством ошибок.
В некоторых методах используется машинное обучение, чтобы отличить взаимодействующие пары белков от пар невзаимодействующих белков с точки зрения попарных характеристик, таких как клеточные совместная локализация, коэкспрессия генов, насколько близко расположены в ДНК гены, кодирующие два белка, и т. д. Случайный лес оказался наиболее эффективным методом машинного обучения для прогнозирования взаимодействия белков. Такие методы применялись для обнаружения белковых взаимодействий на человеческом интерактоме, в частности на интерактоме мембранных белков и интерактоме белков, связанных с шизофренией.
Были предприняты некоторые попытки систематического извлечения сетей взаимодействия непосредственно из научной литературы. Такие подходы различаются по сложности от простой статистики совместного появления объектов, которые упоминаются вместе в одном контексте (например, предложения), до сложных методов обработки естественного языка и методов машинного обучения для обнаружения взаимосвязей взаимодействия.
Сети взаимодействия белков использовались для предсказания функции белков с неизвестными функциями. Обычно это основывается на предположении, что неохарактеризованные белки имеют схожие функции с их взаимодействующими белками (виновность по ассоциации). Например, было обнаружено, что YbeB, белок неизвестной функции, взаимодействует с рибосомными белками, а позже было показано, что он участвует в трансляции. Хотя такие прогнозы могут быть основаны на единичных взаимодействиях, обычно обнаруживается несколько взаимодействий. Таким образом, вся сеть взаимодействий может использоваться для прогнозирования функций белка, учитывая, что определенные функции обычно обогащаются среди взаимодействующих элементов. Термин «гипотома» используется для обозначения интерактома, в котором по крайней мере один из генов или белков является гипотетическим белком.
топология взаимодействующего определенные предсказания, как сеть реагирует на возмущение (например, удаление) узлов (белков) или ребер (взаимодействия). Такие нарушения могут быть вызваны мутациями генов и, следовательно, их белков, и сетевая реакция может проявляться в виде болезни. Сетевой анализ может идентифицировать лекарственные цели и биомаркеры заболеваний.
Сети взаимодействия могут быть проанализированы с помощью инструментов теория графов. Свойства сети включают в себя распределение степени, коэффициенты кластеризации, центральность промежуточности и многие другие. Распределение свойств между белками интерактома показало, что сети интерактомов часто имеют безмасштабную топологию, где функциональные модули внутри сети указывают на специализированные подсети. Такие модули могут быть функциональными, как в сигнальном пути, или структурными, как в белковом комплексе. Фактически, идентифицировать белковые комплексы в интерактоме - сложная задача, учитывая, что сеть сама по себе не выявляет непосредственно присутствие стабильного комплекса.
Взаимодействия вирусных белков состоят из взаимодействий между вирусными или фаговыми белками. Они были одними из первых интерактивных проектов, поскольку их геномы небольшие, а все белки можно анализировать с ограниченными ресурсами. Вирусные интерактомы связаны с их взаимодействующими хозяевами, образуя сети взаимодействия вирус-хозяин. Некоторые опубликованные вирусные интерактомы включают
Бактериофаг
Лямбда- и VZV-интерактомы важны не только для биологии этих вирусов, но и по техническим причинам: они были первыми интерактомами, которые были картированы с множественными Y2H векторы, доказывая улучшенную стратегию исследования интерактомов более полно, чем показали предыдущие попытки.
Вирусы человека (млекопитающих)
Относительно небольшое количество бактерий было всесторонне изучено на предмет их межбелковых взаимодействий. Однако ни один из этих интерактомов не является полным в том смысле, что они охватывают все взаимодействия. Фактически, было подсчитано, что ни один из них не охватывает более 20% или 30% всех взаимодействий, в первую очередь потому, что в большинстве этих исследований использовался только один метод, каждый из которых обнаруживает только подмножество взаимодействий. Среди опубликованных бактериальных интерактомов (включая частичные) есть
| Виды | белки, общее | взаимодействия | тип | ссылка |
| Helicobacter pylori | 1,553 | ~ 3,004 | Y2H | |
| Campylobacter jejuni | 1,623 | 11,687 | Y2H | |
| Treponema pallidum | 1040 | 3,649 | Y2H | |
| Escherichia coli | 4,288 | (5,993) | AP / MS | |
| Escherichia coli | 4,288 | 2,234 | Y2H | |
| Mesorhizobium loti | 6,752 | 3,121 | Y2H | |
| Mycobacterium tuberculosis | 3,959 | >8000 | B2H | |
| Mycoplasma genitalium | 482 | AP / MS | ||
| Synechocystis sp. PCC6803 | 3,264 | 3,236 | Y2H | |
| Staphylococcus aureus (MRSA) | 2,656 | 13,219 | AP / MS |
Взаимодействия E.coli и Mycoplasma были проанализированы с использованием крупномасштабной аффинной очистки белковых комплексов и масс-спектрометрии (AP / MS), поэтому сделать выводы о прямых взаимодействиях нелегко. Другие использовали обширные дрожжевые двухгибридные фильтры (Y2H). Интерактом Mycobacterium tuberculosis был проанализирован с использованием бактериального двухгибридного скрининга (B2H).
Обратите внимание, что многочисленные дополнительные интерактомы были предсказаны с использованием вычислительных методов (см. Раздел выше).
Было предпринято несколько попыток картировать эукариотические интерактомы с помощью методов HTP. Хотя никакие биологические интерактомы не были полностью охарактеризованы, более 90% белков в Saccharomyces cerevisiae были проверены и их взаимодействия охарактеризованы, что делает его наиболее охарактеризованным интерактомом. Виды, чьи интерактомы были изучены достаточно подробно, включают
В последнее время взаимодействовали патоген-хозяин вируса гепатита С / человек (2008), Вирус Эпштейна-Барра / человек (2008 г.), вирус гриппа / человек (2009 г.) были выделены с помощью HTP для определения основных молекулярных компонентов для патогенов и иммунной системы их хозяина.
Как описано выше можно предсказать PPI и, следовательно, целые интерактомы. Хотя надежность этих прогнозов спорна, они предоставляют гипотезы, которые можно проверить экспериментально. Интерактомы были предсказаны для ряда видов, например
Представление прогнозируемой сети взаимодействия SARS-CoV-2 / человека Сети взаимодействия белков можно анализировать с помощью того же инструмента, что и другие сети. Фактически, они имеют много общих свойств с биологическими или социальными сетями. Вот некоторые из основных характеристик.
Белковый интерактом Treponema pallidum. Распределение по степени описывает количество белков, которые имеют определенное количество соединений. Большинство сетей взаимодействия белков показывают безмасштабное (степенной закон ) распределение степеней, где распределение связности P (k) ~ k, где k является степенью. Это соотношение также можно рассматривать как прямую линию на log-log plot, поскольку приведенное выше уравнение равно log (P (k)) ~ —y • log (k). Одной из характеристик такого распределения является то, что существует много белков с небольшим количеством взаимодействий и несколько белков с множеством взаимодействий, причем последние называются «концентраторами».
Узлы с высокой степенью связи (белки) называются хабами. Han et al. придумали термин «party hub » для концентраторов, выражение которых коррелирует с его партнерами по взаимодействию. Партийные хабы также соединяют белки в функциональных модулях, таких как белковые комплексы. Напротив, «датчики » не демонстрируют такой корреляции и, по-видимому, соединяют разные функциональные модули. Концентраторы сторон находятся преимущественно в наборах данных AP / MS, тогда как концентраторы данных обнаруживаются преимущественно в картах сети двоичных интерактомов. Обратите внимание, что действительность различия концентратора даты / концентратора стороны была оспорена. Партийные хабы обычно состоят из мультиинтерфейсных белков, тогда как дата-хабы чаще являются интерфейсными белками одиночного взаимодействия. В соответствии с ролью дата-хабов в соединении различных процессов, у дрожжей количество бинарных взаимодействий данного белка коррелирует с количеством фенотипов, наблюдаемых для соответствующего мутантного гена в различных физиологических условиях.
Узлы, участвующие в одном и том же биохимическом процессе, сильно взаимосвязаны.
Эволюция сложности интерактомов описана в исследовании, опубликованном в журнале Nature. В этом исследовании сначала отмечается, что границы между прокариотами, одноклеточными эукариотами и многоклеточными эукариотами сопровождаются уменьшением на порядки эффективной численности популяции с одновременным усилением эффектов случайного генетического отклонения. Результирующее снижение эффективности отбора кажется достаточным, чтобы влиять на широкий спектр атрибутов на геномном уровне неадаптивным образом. Исследование Nature показывает, что изменение силы случайного генетического дрейфа также способно влиять на филогенетическое разнообразие на субклеточном и клеточном уровнях. Таким образом, размер популяции следует рассматривать как потенциальный детерминант механистических путей, лежащих в основе долгосрочной фенотипической эволюции. В исследовании также показано, что филогенетически широкая обратная связь существует между силой дрейфа и структурной целостностью белковых субъединиц. Таким образом, накопление умеренно вредных мутаций в популяциях небольшого размера вызывает вторичный отбор для белок-белковых взаимодействий, которые стабилизируют ключевые функции генов, смягчая структурную деградацию, вызванную неэффективным отбором. Таким образом, сложные структуры белков и взаимодействия, необходимые для генезиса фенотипического разнообразия, могут первоначально возникать благодаря неадаптивным механизмам.
Кимер и Чезарени выражают следующие опасения по поводу состояния (около 2007 г.) области, особенно в отношении сравнительного взаимодействия: экспериментальные процедуры, связанные с этой областью, ошибочны склонны к "шумным результатам". Это приводит к тому, что 30% всех зарегистрированных взаимодействий являются артефактами. Фактически, две группы, использующие одни и те же методы на одном и том же организме, обнаружили менее 30% общих взаимодействий. Однако некоторые авторы утверждали, что такая невоспроизводимость является следствием необычайной чувствительности различных методов к небольшим экспериментальным вариациям. Например, идентичные условия в анализах Y2H приводят к очень разным взаимодействиям, когда используются разные векторы Y2H.
Методы могут быть необъективными, т.е. метод определяет, какие взаимодействия обнаруживаются. Фактически, любой метод имеет предубеждения, особенно белковые методы. Поскольку каждый белок индивидуален, ни один метод не может уловить свойства каждого белка. Например, большинство аналитических методов, которые хорошо работают с растворимыми белками, плохо работают с мембранными белками. Это также верно для технологий Y2H и AP / MS.
Интерактомы еще не полностью завершены, за исключением, возможно, S. cerevisiae. На самом деле это не критика, поскольку любая научная область изначально является «неполной» до тех пор, пока методологии не будут улучшены. Интерактомика в 2015 году - это то место, где секвенирование генома происходило в конце 1990-х, учитывая, что доступно лишь несколько наборов данных интерактома (см. Таблицу выше).
Хотя геномы стабильны, интерактомы могут различаться в зависимости от тканей, типов клеток и стадий развития. Опять же, это не критика, а, скорее, описание проблем в этой области.
Трудно сопоставить эволюционно родственные белки у отдаленно родственных видов. Хотя гомологичные последовательности ДНК можно найти относительно легко, гораздо сложнее предсказать гомологичные взаимодействия («интерологи»), потому что гомологам двух взаимодействующих белков не требуется взаимодействовать. Например, даже внутри протеома два белка могут взаимодействовать, а их паралоги - нет.
Каждый белок-белковый интерактом может представлять только частичную выборку потенциальных взаимодействий, даже если предположительно окончательная версия опубликована в научном журнале. Дополнительные факторы могут играть роль в белковых взаимодействиях, которые еще предстоит включить в интерактомы. Сила связывания различных белковых взаимодействующих элементов, факторы микроокружения, чувствительность к различным процедурам и физиологическое состояние клетки - все это влияет на межбелковые взаимодействия, но обычно не учитывается в исследованиях взаимодействия.
.