Towards reconstruction of the human interactome from positive and negative experimental evidence
Questo articolo presenta una metodologia per ricostruire lo spazio di ricerca sperimentale degli screening delle interazioni proteina-proteina (PPI) al fine di inferire probabili coppie di proteine non interagenti, consentendo così una migliore stima del tasso di errore, la calibrazione dei modelli e un miglioramento dell'addestramento del machine learning per una mappatura più accurata e completa dell'interattoma umano.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Dentro ogni cellula vivente, migliaia di proteine fluttuano e si scontrano, cercando costantemente di afferrarsi l'una all'altra. Quando due proteine si incastrano, formano una squadra che può costruire strutture, inviare segnali o scomporre i rifiuti. Queste partnership, note come interazioni proteina-proteina, sono il cablaggio fondamentale della vita. Senza di esse, le cellule sarebbero collezioni caotiche di parti piuttosto che macchine organizzate. Per decenni, gli scienziati hanno cercato di mappare queste connessioni, creando un enorme diagramma di rete di chi parla con chi nel corpo umano. Questa mappa aiuta a spiegare come i nostri corpi funzionano in salute e come si rompono in caso di malattia. Tuttavia, la mappa è attualmente piena di buchi ed errori. Conosciamo milioni di queste connessioni, ma sappiamo anche che molti legami riportati sono errori, e che molti legami reali mancano. Il problema principale è che gli scienziati hanno registrato solo gli incontri riusciti. Hanno scritto quali proteine si sono strette la mano, ma raramente hanno scritto quali proteine stavano vicine e si sono ignorate a vicenda.
Questo silenzio crea un punto cieco. Se conosci solo chi si è incontrato, non puoi dire se un incontro sia stato un evento raro e speciale o solo un caso fortuito. Peggio ancora, se provi a usare un computer per predire nuovi incontri, devi insegnargli cosa sia un "non-incontro". Di solito, gli scienziati insegnano ai computer ipotizzando che due proteine che non sono state viste insieme siano estranee. Ma questa è una supposizione pericolosa. Solo perché due proteine non sono state testate insieme, non significa che non interagiscano; potrebbe solo significare che nessuno le ha mai messe nella stessa stanza. Per risolvere questo problema, un team di ricercatori si è messo in viaggio per ricostruire la storia mancante di questi esperimenti. Volevano trovare il registro invisibile di tutte le volte in cui le proteine sono state testate ma non si sono connesse.
I ricercatori sono partiti da una massiccia collezione di dati esistenti, raccogliendo i risultati di oltre 5.500 diversi esperimenti che erano già stati pubblicati. Questi esperimenti utilizzavano due metodi principali per testare le connessioni: uno che mescola le proteine in una provetta e un altro che le coltiva all'interno di cellule di lievito. In questi esperimenti, gli scienziati testano solitamente una proteina "esca" contro molte proteine "preda" per vedere quali si attacchino. La pratica standard era quella di riportare solo le adesioni avvenute con successo. Il team si rese conto, tuttavia, che l'elenco delle adesioni riuscite conteneva in realtà un indizio nascosto sui fallimenti. Se una specifica proteina preda veniva trovata ad attaccarsi a una esca in una provetta, ciò dimostrava che la preda era presente e funzionale in quell'esperimento specifico. Pertanto, se quella stessa preda era presente nella stessa provetta ma non si attaccava a un'altra esca, doveva trattarsi di un vero "non-attacco". Usando le connessioni riuscite per mappare l'intera stanza in cui si svolgevano gli esperimenti, il team poté inferire quali proteine fossero state testate ma non si fossero connesse.
Usando questa logica, i ricercatori hanno trasformato un elenco di circa mezzo milione di interazioni riportate in un dataset molto più ampio contenente quasi 182 milioni di singoli test. Da questo, hanno identificato 97 milioni di coppie uniche di proteine che erano state testate. Fondamentalmente, potevano ora separare le coppie che erano state testate e che avevano mostrato interazione dalle coppie che erano state testate e che non avevano mostrato interazione. Si sono concentrati sui dati più affidabili: le coppie che erano state testate più volte. Hanno identificato oltre 18 milioni di coppie che sono state testate almeno tre volte e non hanno mai mostrato alcun segno di connessione. Questi non sono supposizioni; sono non-connessioni confermate sperimentalmente. Il team ha inoltre trovato oltre 6.000 coppie che sono state testate ripetutamente e hanno mostrato costantemente una connessione, dando loro un'alta fiducia nel fatto che queste interazioni siano reali.
I ricercatori hanno poi verificato se queste nuove non-connessioni avessero senso biologico. Hanno osservato se le proteine che interagivano condividessero tratti comuni, come vivere nella stessa parte della cellula o svolgere compiti simili, mentre le coppie non interagenti non li condividevano. I risultati corrispondevano perfettamente alle aspettative. Le coppie interagenti confermate erano molto più propense a condividere questi tratti rispetto alle coppie non interagenti confermate. Questa validazione ha provato che il metodo funzionava: il team aveva recuperato con successo uno strato di evidenza negativa che era precedentemente andato perduto. Hanno scoperto che le proteine che non riuscivano a connettersi erano effettivamente funzionalmente diverse da quelle che lo facevano, confermando che i dati ricostruiti non erano semplice rumore casuale, ma un vero riflesso della realtà biologica.
Con questo nuovo elenco verificato di non-connessioni, il team ha testato come esso potesse migliorare gli strumenti che gli scienziati usano per studiare queste reti. In primo luogo, hanno utilizzato i dati per verificare l'accuratezza di altri esperimenti su larga scala. Vedendo quante volte queste nuove coppie "negative" apparivano in altri studi, potevano calcolare quanti falsi allari quelli studi avrebbero potuto generare. Hanno scoperto che alcuni esperimenti avevano tassi di errore fino al 40%, il che significa che una grande porzione delle loro connessioni riportate potrebbe essere costituita da errori. Questo fornisce un nuovo modo per calibrare e pulire i futuri esperimenti. In secondo luogo, hanno testato i dati su modelli informatici progettati per predire le interazioni. Quando hanno addestrato questi modelli usando i nuovi dati negativi del mondo reale invece di supposizioni casuali, i modelli hanno prodotto previsioni diverse e più distinte. I modelli addestrati con dati negativi reali erano meno propensi a commettere gli stessi errori di quelli addestrati con supposizioni casuali, suggerendo che avere un vero registro di ciò che non accade è essenziale per insegnare ai computer cosa accade.
Lo studio ha anche rivelato qualcosa di sorprendente sulle proteine stesse. Alcune proteine sono famose per attaccarsi a tutto ciò che toccano, agendo come colla biologica, mentre altre sono "auto-attivatori" che scatenano falsi allarmi negli esperimenti con il lievito. Osservando quanto spesso una proteina veniva testata contro molti partner diversi e quante volte non riusciva a connettersi, il team ha potuto identificare queste proteine problematiche. Hanno scoperto che i noti elementi di disturbo erano proprio quelli che sembravano connettersi indiscriminatamente, indipendentemente dal partner. Questo offre un nuovo modo per segnalare e filtrare queste proteine rumorose nei futer ricerche, portando a mappe più pulite e accurate.
Infine, i ricercatori hanno usato questi dati per ripensare la forma complessiva della rete di interazione umana. Per molto tempo, gli scienziati hanno creduto che la rete seguisse un particolare schema matematico in cui poche proteine hanno migliaia di connessioni e la maggior parte ne ha pochissime. Tuttavia, quando il team ha corretto il fatto che alcune proteine venivano semplicemente testate più spesso di altre, questo schema è scomparso. Invezione, la distribuzione delle connessioni assomigliava di più a una curva a campana, suggerendo che gli estremi "hub" visti nelle mappe precedenti potrebbero essere un artefatto del modo in cui gli esperimenti sono stati condotti piuttosto che una vera caratteristica della biologia. Questa scoperta sfida un'ipotesi di lunga data su come le nostre reti cellulari siano costruite.
Il lavoro non pretende di aver terminato la mappa dell'interattoma umano. La vera rete è ancora vasta e in gran parte inesplorata. Tuttavia, recuperando la storia degli esperimenti falliti, il team ha fornito un tassello cruciale del puzzle. Hanno dimostrato che l'assenza di evidenza, quando correttamente ricostruita, è in realtà evidenza di assenza. Questa nuova risorsa, che include milioni di non-connessioni confermate, è ora disponibile per altri scienziati. Offre un modo per addestrare meglio i computer, calibrare meglio gli esperimenti e, in definitiva, costruire un quadro più accurato e completo di come il corpo umano funziona al suo livello più fondamentale.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.