Towards reconstruction of the human interactome from positive and negative experimental evidence
Este artículo presenta una metodología para reconstruir el espacio de búsqueda experimental de los cribados de interacción proteína-proteína (PPI) para inferir pares de proteínas que probablemente no interactúan, permitiendo así una mejor estimación de la tasa de error, la calibración de modelos y un mejor entrenamiento de aprendizaje automático para un mapeo más preciso y completo del interactoma humano.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Dentro de cada célula viva, miles de proteínas flotan y chocan, buscando constantemente agarrarse unas a otras. Cuando dos proteínas se acoplan, forman un equipo que puede construir estructuras, enviar señales o descomponer desechos. Estas asociaciones, conocidas como interacciones proteína-proteína, son el cableado fundamental de la vida. Sin ellas, las células serían colecciones caóticas de partes en lugar de máquinas organizadas. Durante décadas, los científicos han intentado mapear estas conexiones, creando un gigantesco diagrama de red de quién habla con quién en el cuerpo humano. Este mapa ayuda a explicar cómo funcionan nuestros cuerpos en la salud y cómo se descomponen en la enfermedad. Sin embargo, el mapa está actualmente lleno de agujeros y errores. Conocemos millones de estas conexiones, pero también sabemos que muchos vínculos reportados son errores, y que muchos vínculos reales faltan. El mayor problema es que los científicos solo han registrado los encuentros exitosos. Han escrito qué proteínas se dieron la mano, pero rara vez han escrito qué proteínas estuvieron paradas una al lado de la otra e ignoraron la presencia de la otra.
Este silencio crea un punto ciego. Si solo conoces quién se reunió, no puedes saber si una reunión fue un evento raro y especial o simplemente un accidente de suerte. Peor aún, si intentas usar una computadora para predecir nuevas reuniones, tienes que enseñarle qué es un "no encuentro". Por lo general, los científicos enseñan a las computadoras adivinando que cualquier par de proteínas que no han sido vistas juntas son extrañas. Pero esta es una suposición peligrosa. El hecho de que dos proteínas no hayan sido probadas juntas no significa que no interactúen; podría significar simplemente que nadie las puso jamás en la misma habitación. Para solucionar esto, un equipo de investigadores se propuso reconstruir la historia faltante de estos experimentos. Querían encontrar el registro invisible de todas las veces que las proteínas fueron probadas pero no lograron conectarse.
Los investigadores comenzaron con una colección masiva de datos existentes, reuniendo resultados de más de 5,500 experimentos diferentes que ya habían sido publicados. Estos experimentos utilizaron dos métodos principales para probar conexiones: uno que mezcla proteínas en un tubo de ensayo y otro que las cultiva dentro de células de levadura. En estos experimentos, los científicos suelen probar una proteína "cebo" contra muchas proteínas "presa" para ver cuáles se adhieren. La práctica estándar era reportar solo las adhesiones exitosas. El equipo se dio cuenta, sin embargo, de que la lista de adhesiones exitosas contenía en realidad una pista oculta sobre los fracasos. Si una proteína presa específica fue encontrada adhiriéndose a un cebo en un tubo de ensayo, eso demuestra que la presa estaba presente y funcionando en ese experimento específico. Por lo tanto, si esa misma presa estaba presente en el mismo tubo pero no se adhirió a un cebo diferente, debe ser una no-adhesión genuina. Al usar las conexiones exitosas para mapear toda la habitación donde ocurrieron los experimentos, el equipo pudo inferir qué proteínas fueron probadas pero fallaron en conectarse.
Usando esta lógica, los investigadores convirtieron una lista de aproximadamente medio millón de interacciones reportadas en un conjunto de datos mucho más grande que contenía casi 182 millones de pruebas individuales. A partir de esto, identificaron 9-7 millones de pares únicos de proteínas que habían sido probadas. Crucialmente, ahora podían separar los pares que habían sido probados y se encontró que interactuaban, de los pares que habían sido probados y se encontró que no interactuaban. Se centraron en los datos más fiables: pares que habían sido probados múltiples veces. Identificaron más de 18 millones de pares que fueron probados al menos tres veces y nunca mostraron ningún signo de conexión. Estos no son conjeturas; son no-conexiones confirmadas experimentalmente. El equipo también encontró más de 6,000 pares que fueron probados repetidamente y consistentemente mostraron una conexión, dándoles una alta confianza en que estas interacciones son reales.
Los investigadores luego verificaron si estos nuevos no-conexiones tenían sentido biológico. Observaron si las proteínas que interactuaban compartían rasgos comunes, como vivir en la misma parte de la célula o realizar trabajos similares, mientras que los pares que no interactuaban no los compartían. Los resultados coincidieron perfectamente con las expectativas. Los pares que interactuaban confirmados eran mucho más propensos a compartir estos rasgos que los pares de no-interacción confirmados. Esta validación demostró que el método funcionaba: el equipo había recuperado con éxito una capa de evidencia negativa que previamente se había perdido. Encontraron que las proteínas que fallaron en conectarse eran, en efecto, funcionalmente diferentes de las que sí lo hicieron, confirmando que los datos reconstruidos no eran solo ruido aleatorio, sino un reflejo verdadero de la realidad biológica.
Con esta nueva lista verificada de no-conexiones, el equipo probó cómo esto podía mejorar las herramientas que los científicos usan para estudiar estas redes. Primero, usaron los datos para verificar la precisión de otros experimentos a gran escala. Al observar con qué frecuencia estos nuevos pares "negativos" aparecían en otros estudios, pudieron calcular cuántas falsas alarmas habrían generado esos estudios. Encontraron que algunos experimentos tenían tasas de error de hasta el 40%, lo que significa que una gran porción de sus conexiones reportadas podrían ser errores. Esto proporciona una nueva forma de calibrar y limpiar futuros experimentos. Segundo, probaron los datos en modelos computacionales diseñados para predecir interacciones. Cuando entrenaron estos modelos usando los nuevos datos negativos del mundo real en lugar de conjeturas aleatorias, los modelos produjeron predicciones diferentes y más distintas. Los modelos entrenados con datos negativos reales fueron menos propensos a cometer los mismos errores que aquellos entrenados con conjeturas aleatorias, lo que sugiere que tener un registro real de lo que no sucede es esencial para enseñar a las computadoras lo que sí sucede.
El estudio también reveló algo sorprendente sobre las proteínas mismas. Algunas proteínas son notorias por pegarse a todo lo que tocan, actuando como pegamento biológico, mientras que otras son "auto-activadoras" que disparan falsas alarmas en experimentos de levadura. Al observar con qué frecuencia una proteína era probada contra muchos diferentes compañeros y con qué frecuencia fallaba en conectar, el equipo pudo identificar estas proteínas problemáticas. Encontraron que los conocidos alborotadores eran, de hecho, aquellos que parecían conectarse indiscriminadamente, independientemente de su pareja. Esto ofrece una nueva forma de marcar y filtrar estas proteínas ruidosas en investigaciones futuras, conduciendo a mapas más limpios y precisos.
Finalmente, los investigadores usaron estos datos para repensar la forma general de la red de interacción humana. Durante mucho tiempo, los científicos creyeron que la red seguía un patrón matemático específico donde unas pocas proteínas tienen miles de conexiones y la mayoría tiene muy pocas. Sin embargo, cuando el equipo corrigió el hecho de que algunas proteínas eran simplemente probadas con más frecuencia que otras, este patrón desapareció. En su lugar, la distribución de conexiones se parecía más a una curva de campana, sugiriendo que los "hubs" extremos vistos en mapas anteriores podrían ser un artefacto de cómo se realizaron los experimentos, en lugar de una característica real de la biología. Este hallazgo desafía una suposición largamente sostenida sobre cómo se construyen nuestras redes celulares.
El trabajo no pretende haber terminado el mapa del interactoma humano. La verdadera red sigue siendo vasta y en gran parte inexplorada. Sin embargo, al recuperar la historia de los experimentos fallidos, el equipo ha proporcionado una pieza crucial del rompecabezas. Han demostrado que la ausencia de evidencia, cuando se reconstruye adecuadamente, es en realidad evidencia de ausencia. Este nuevo recurso, que incluye millones de no-conexiones confirmadas, está ahora disponible para que otros científicos lo utilicen. Ofrece una forma de entrenar mejores computadoras, calibrar mejores experimentos y, en última instancia, construir una imagen más precisa y completa de cómo funciona el cuerpo humano en su nivel más fundamental.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.