Towards reconstruction of the human interactome from positive and negative experimental evidence

Au cœur de chaque cellule vivante, des milliers de protéines flottent et entrent en collision, cherchant constamment à s'agripper les unes aux autres. Lorsque deux protéines s'emboîtent, elles forment une équipe capable de construire des structures, d'envoyer des signaux ou de décomposer des déchets. Ces partenariats, connus sous le nom d'interactions protéine-protéine, constituent le câblage fondamental de la vie. Sans eux, les cellules seraient des collections chaotiques de pièces plutôt que des machines organisées. Pendant des décennies, les scientifiques ont tenté de cartographier ces connexions, créant un immense diagramme de réseau pour savoir qui communique avec qui dans le corps humain. Cette carte aide à expliquer comment nos corps fonctionnent en bonne santé et comment ils se défaillent en cas de maladie. Cependant, la carte est actuellement truffée de trous et d'erreurs. Nous connaissons des millions de ces connexions, mais nous savons aussi que beaucoup de liens rapportés sont des erreurs, et que beaucoup de liens réels sont manquants. Le plus grand problème est que les scientifiques n'ont enregistré que les rencontres réussies. Ils ont noté quels protéines se sont serré la main, mais ils ont rarement noté quelles protéines se tenaient l'une à côté de l'autre sans s'ignorer.

Ce silence crée un angle mort. Si vous ne savez que qui s'est rencontré, vous ne pouvez pas dire si une rencontre était un événement rare et spécial ou simplement un accident chanceux. Pire encore, si vous essayez d'utiliser un ordinateur pour prédire de nouvelles rencontres, vous devez lui apprendre à quoi ressemble une « non-rencontre ». Habituellement, les scientifiques enseignent aux ordinateurs en supposant que deux protéines qui n'ont pas été vues ensemble sont des étrangères. Mais c'est une supposition dangereuse. Ce n'est pas parce que deux protéines n'ont pas été testées ensemble qu'elles n'interagissent pas ; il se peut simplement que personne ne les ait jamais mises dans la même pièce. Pour corriger cela, une équipe de chercheurs s'est donné pour mission de reconstruire l'histoire manquante de ces expériences. Ils voulaient trouver le registre invisible de tous les moments où des protéines ont été testées mais n'ont pas réussi à se connecter.

Les chercheurs ont commencé par une vaste collection de données existantes, rassemblant les résultats de plus de 5 500 expériences différentes déjà publiées. Ces expériences utilisaient deux méthodes principales pour tester les connexions : une qui mélange les protéines dans un tube à essai et une autre qui les fait croître à l'intérieur de cellules de levure. Dans ces expériences, les scientifiques testent généralement une protéine « appât » contre de nombreuses protéines « proies » pour voir lesquelles adhèrent. La pratique standard consistait à ne rapporter que les adhésions réussies. L'équipe a cependant réalisé que la liste des adhésions réussies contenait en réalité un indice caché sur les échecs. Si une protéine proie spécifique est trouvée à s'attacher à un appât dans un tube à essai, cela prouve que la proie était présente et fonctionnelle dans cette expérience précise. Par conséquent, si cette même proie était présente dans le même tube mais ne s'est pas attachée à un autre appât, il s'agit d'une véritable non-adhérence. En utilisant les connexions réussies pour cartographier toute la pièce où les expériences ont eu lieu, l'équipe a pu déduire quelles protéines ont été testées mais ont échoué à se connecter.

En utilisant cette logique, les chercheurs ont transformé une liste d'environ un demi-million d'interactions rapportées en un ensemble de données beaucoup plus vaste contenant près de 182 millions de tests individuels. À partir de là, ils ont identifié 97 millions de paires uniques de protéines qui avaient été testées. Crucialement, ils pouvaient désormais séparer les paires qui avaient été testées et qui s'étaient trouvées interagir des paires qui avaient été testées et qui s'étaient trouvées ne pas interagir. Ils se sont concentrés sur les données les plus fiables : les paires qui avaient été testées plusieurs fois. Ils ont identifié plus de 18 millions de paires qui avaient été testées au moins trois fois et n'avaient jamais montré de signe de connexion. Il ne s'agit pas de suppositions ; ce sont des non-connexions confirmées expérimentalement. L'équipe a également trouvé plus de 6 000 paires qui avaient été testées de manière répétée et montraient systématiquement une connexion, leur donnant une grande confiance dans le fait que ces interactions sont réelles.

Les chercheurs ont ensuite vérifié si ces nouvelles non-connexions faisaient sens biologiquement. Ils ont examiné si les protéines qui interagissaient partageaient des traits communs, tels que le fait de vivre dans la même partie de la cellule ou d'accomplir des tâches similaires, tandis que les paires non-interagissantes ne le faisaient pas. Les résultats correspondaient parfaitement aux attentes. Les paires interagissant confirmées étaient beaucoup plus susceptibles de partager ces traits que les paires non-interagissantes confirmées. Cette validation a prouvé que la méthode fonctionnait : l'équipe avait réussi à récupérer une couche de preuves négatives qui avait été auparavant perdue. Ils ont découvert que les protéines qui ne parvenaient pas à se connecter étaient effectivement fonctionnellement différentes de celles qui le faisaient, confirmant que les données reconstruites n'étaient pas un simple bruit aléatoire mais un reflet fidèle de la réalité biologique.

Avec cette nouvelle liste vérifiée de non-connexions, l'équipe a testé comment elle pouvait améliorer les outils utilisés par les scientifiques pour étudier ces réseaux. Premièrement, ils ont utilisé les données pour vérifier l'exactitude d'autres expériences à grande échelle. En voyant la fréquence à laquelle ces nouvelles paires « négatives » apparaissaient dans d'autres études, ils ont pu calculer combien de fausses alertes ces études auraient pu générer. Ils ont découvert que certaines expériences présentaient des taux d'erreur atteignant 40 %, ce qui signifie qu'une grande partie de leurs connexions rapportées pourrait être erronée. Cela offre une nouvelle façon de calibrer et de nettoyer les futures expériences. Deuxièmement, ils ont testé les données sur des modèles informatiques conçus pour prédire les interactions. Lorsqu'ils ont entraîné ces modèles en utilisant les nouvelles données négatives du monde réel plutôt que des suppositions aléatoires, les modèles ont produit des prédictions différentes et plus distinctes. Les modèles entraînés avec des données négatives réelles étaient moins susceptibles de commettre les mêmes erreurs que ceux entraînés avec des suppositions aléatoires, suggérant que posséder un véritable registre de ce qui ne se passe pas est essentiel pour enseigner aux ordinateurs ce qui se passe.

L'étude a également révélé quelque chose de surprenant sur les protéines elles-mêmes. Certaines protéines sont réputées pour s'attacher à tout ce qu'elles touchent, agissant comme une colle biologique, tandis que d'autres sont des « auto-activateurs » qui déclencnt de fausses alertes dans les expériences de levure. En observant la fréquence à laquelle une protéine était testée contre de nombreux partenaires différents et la fréquence à laquelle elle échouait à se connecter, l'équipe a pu identifier ces protéines problématiques. Ils ont découvert que les perturbateurs connus étaient effectivement ceux qui semblaient se connecter de manière indiscriminée, quel que soit leur partenaire. Cela offre un nouveau moyen de signaler et de filtrer ces protéines bruyantes dans les recherches futures, menant à des cartes plus propres et plus précises.

Enfin, les chercheurs ont utilisé ces données pour repenser la forme globale du réseau d'interaction humain. Pendant longtemps, les scientifiques ont cru que le réseau suivait un modèle mathématique spécifique où quelques protéines possèdent des milliers de connexions et la plupart en possèdent très peu. Cependant, lorsque l'équipe a corrigé le fait que certaines protéines étaient simplement testées plus souvent que d'autres, ce modèle a disparu. Au lieu de cela, la distribution des connexions ressemblait davantage à une courbe en cloche, suggérant que les « hubs » extrêmes observés dans les cartes précédentes pourraient être un artefact de la manière dont les expériences ont été menées plutôt qu'une caractéristique réelle de la biologie. Cette découverte remet en question une hypothèse de longue date sur la façon dont nos réseaux cellulaires sont construits.

Ce travail ne prétend pas avoir terminé la carte de l'interactome humain. Le véritable réseau est encore vaste et largement inexploré. Cependant, en récupérant l'histoire des expériences ratées, l'équipe a fourni une pièce cruciale du puzzle. Ils ont démontré que l'absence de preuve, lorsqu'elle est correctement reconstruite, est en réalité une preuve d'absence. Cette nouvelle ressource, qui comprend des millions de non-connexions confirmées, est désormais disponible pour les autres scientifiques. Elle offre un moyen d'entraîner de meilleurs ordinateurs, de mieux calibrer les expériences et, finalement, de construire une image plus précise et plus complète du fonctionnement de l'organisme humain à son niveau le plus fondamental.