Aperçu
Les réseaux d’interactions protéine-protéine (PPI) sont des représentations graphiques des contacts physiques entre les protéines au sein d’une cellule. Chaque protéine est un nœud et chaque interaction détectée expérimentalement ou prédite par ordinateur est une arête. Ces réseaux révèlent l’organisation fonctionnelle du protéome : les protéines qui interagissent participent souvent au même processus biologique, résident dans le même compartiment cellulaire ou forment des complexes stables. En étudiant la topologie du réseau, les chercheurs peuvent identifier des protéines centrales, des modules fonctionnels et des voies hautement connectées qui sont dérégulées en cas de maladie. Les réseaux PPI intègrent les données de plusieurs techniques expérimentales et sont essentiels pour la biologie des systèmes.
Concepts clés
Les sources expérimentales pour les données PPI comprennent le criblage de deux hybrides de levure, la purification par affinité suivie d’une spectrométrie de masse (AP-MS) et la co-immunoprécipitation. Chaque méthode capture différents aspects des interactions : binaires ou co-complexes, stables ou transitoires. Les propriétés du réseau telles que la distribution des degrés, le coefficient de clustering et la centralité entre les deux caractérisent l’architecture globale. Les protéines hub qui relient de nombreux partenaires sont souvent essentielles à la viabilité cellulaire. Les modules fonctionnels sont des sous-graphes densément connectés qui correspondent à des complexes protéiques ou à des voies de signalisation. Les maladies résultent souvent de mutations qui perturbent des bords ou des nœuds spécifiques au sein de ces réseaux, un concept connu sous le nom de médecine de réseau.
Protocole pratique
Un flux de travail AP-MS pratique commence par l’expression d’une protéine appât marquée dans la lignée cellulaire concernée. L’appât est généralement fusionné avec une étiquette FLAG, GFP ou StrepII en utilisant une transfection stable ou une transduction lentivirale. Les cellules exprimant l’appât marqué sont lysées dans des conditions douces - généralement 0,5 % de NP-40 ou de tampon digitonine - pour préserver les complexes protéiques. Le lysat est incubé avec une résine d’affinité, telle que des billes d’agarose anti-FLAG ou StrepTactin Sepharose, pendant 2 à 4 heures à 4 °C. Après un lavage approfondi avec un tampon de lyse pour éliminer les liants non spécifiques, les protéines liées sont éluées en utilisant un excès de peptide FLAG ou un tampon d’élution SDS. L’éluat est digéré par la trypsine et analysé par LC-MS/MS. Les données brutes sont recherchées dans une base de données de protéines et la liste de protéines résultante est filtrée pour éliminer les contaminants courants à l’aide du référentiel CRAPome. Le filtrage statistique compare l’abondance des proies dans les échantillons d’appâts aux contrôles à l’aide du score SAINT, qui intègre les décomptes spectraux et la reproductibilité entre les répétitions biologiques. Des interactionurs de confiance élevée avec une probabilité SAINT supérieure à 0,95 sont utilisés pour construire un réseau PPI dans Cytoscape. Pour les expériences BioID, le flux de travail est similaire mais utilise une biotine ligase fusionnée à l’appât, qui biotinyle les protéines proximales dans les cellules vivantes ; les protéines biotinylées sont capturées sur des billes de streptavidine, permettant la détection d’interactions transitoires et faibles. Dans un exemple d’application, l’AP-MS du protéasome 26S humain a identifié 33 sous-unités et 10 chaperons d’assemblage, révélant la voie de biogenèse de ce complexe essentiel. BioID a été utilisé pour cartographier l’interactome de l’enveloppe nucléaire, identifiant plus de 300 protéines et découvrant de nouveaux composants du complexe des pores nucléaires.
### Candidatures
Les réseaux PPI sont utilisés pour prédire la fonction des protéines par culpabilité par association : une protéine non caractérisée interagissant avec des protéines de réparation de l’ADN connues est probablement impliquée dans la réparation de l’ADN. Dans la découverte de médicaments, les réseaux identifient les modules de la maladie et hiérarchisent les cibles thérapeutiques. Le domaine s’appuie sur des méthodes expérimentales telles que le système à deux hybrides de levure et [les interactions antigène-anticorps](/guides/antigen-anticorps-interactions.html) pour la validation. L’analyse de réseau contextualise également les données des interactions protéine-protéine pour générer des hypothèses mécanistes sur la régulation cellulaire.
