FibrilNet maps conserved and tissue-specific molecular environments across systemic amyloidoses

Sintesi Tecnica: FibrilNet mappa gli ambienti molecolari conservati e tessuto-specifici nelle amiloidosi sistemiche

Problema
Le amiloidosi sistemiche sono disturbi da misfolding proteico caratterizzati dall'accumulo di depositi fibrillari insolubili. Sebbene proteine precursori amiloidogene distinte inneschino queste malattie (ad esempio, la Transtiretina in ATTR, le catene leggere delle immunoglobuline in AL, l'Amiloide A sierica in AA), la patologia tissutale risultante condivide spesso componenti non fibrillari ricorrenti coinvolte nell'organizzazione della matrice extracellulare, l'attivazione del complemento, il trasporto lipidico e la proteostasi. Una questione critica non risolta è se queste proteine ricorrenti formino un ambiente molecolare conservato a livello di sistema attraverso diverse malattie amiloidi, e in che misura questo ambiente dipenda dalla specifica proteina precursore, dal contesto tissutale o dalla variante della malattia. Gli approcci di rete tradizionali spesso trattano le interazioni proteina-proteina (PPI) come funzionalmente intercambiabili, ignorando il contesto biologico che può differenziare le interazioni all'interno dello stesso grafo fisico.

Metodologia
Gli autori hanno sviluppato FibrilNet, un framework di rete progettato per integrare i proteomi amiloidi definiti sperimentalmente con un grafo PPI umano arricchito da informazioni semantiche derivate dalla Gene Ontology (GO).

• Costruzione dei dati: Il grafo umano sottostante comprende 17.997 proteine e 925.977 interazioni fisiche. Ogni interazione è aumentata da un vettore semantico a 9 dimensioni derivato dalle annotazioni GO (processo biologico, funzione molecolare e componente cellulare), che codifica informazioni sulla somiglianza basata sul contenuto informativo, sulla somiglianza di percorso e sulla disponibilità di annotazioni.
• Approccio algoritmico: FibrilNet confronta due strategie di diffusione:
  1. Random Walk with Restart (RWR) basato solo sulla topologia: Propagazione standard basata esclusivamente sulla connettività del grafo.
  2. Semantic-RWR: Una propagazione modificata in cui le probabilità di transizione sono polarizzate verso interazioni con maggiore compatibilità semantica (allineamento ontologico).
• Strategia di valutazione: Lo studio impiega un approccio di ricostruzione del modulo "congelato" mediante leave-one-out. I moduli proteici associati alla malattia (derivati dalla proteomica sperimentale) vengono utilizzati come set di query. Una proteina viene rimossa alla volta e l'algoritmo tenta di riclassificare i nodi rimanenti del grafo per recuperare il target escluso. Fondamentalmente, le etichette della malattia non vengono utilizzate per riaddestrare la rappresentazione sottostante; la valutazione testa la capacità della struttura di rete e del contesto semantico di recuperare i moduli di malattia noti.
• Modelli di malattia analizzati:
  • Cardiaco: Proteomi specifici per l'amiloide espansi e compatti per ATTR e AL.
  • Renale: Atlanti proteomici per l'amiloide AA e ALECT2.
  • Neurologico: Un modello murino di nervo surale hTTR-A97S mappato su ortologhi umani per rappresentare l'ATTRv neurologico.

Contributi chiave e risultati

1. Superiorità della diffusione semantica:
   La Semantic-RWR ha costantemente superato la RWR basata solo sulla topologia nella ricostruzione dei moduli amiloidi definiti sperimentalmente.

   • In ATTR cardiaco espanso, la Semantic-RWR ha aumentato il Mean Reciprocal Rank (MRR) da 0,00167 a 0,05015 e la Recall@100 da 0,0199 a 0,3377, migliorando 132 di 151 target esclusi.
   • Guadagni significativi sono stati osservati anche in AA renale (MRR da 0,00249 a 0,09061) e ALECT2 (MRR da 0,00239 a 0,01614).
   • L'effetto è stato robusto attraverso diverse dimensioni dei moduli e tier di sensibilità, suggerendo che l'ambiente amiloide possieda un'organizzazione funzionalmente coerente e distribuita che la sola topologia non riesce a catturare.

2. Identificazione di un nucleo ricorrente ristretto:
   L'analisi dei moduli compatti attraverso quattro amiloidosi sistemiche (ATTR, AL, AA, ALECT2) ha rivelato una sovrapposizione limitata ma significativa.

   • Tre proteine — APCS, VTN e TIMP3 — erano presenti in tutti e quattro i moduli (frequenza del nucleo di arricchimento delle caratteristiche = 1), definendo un nucleo rigoroso tra le diverse malattie.
   • APOE era presente in tre dei quattro moduli.
   • Queste proteine rappresentano punti di convergenza tra le malattie piuttosto che driver causali universali.

3. Specificità tissutale e separazione del precursore:

   • Cardiaco vs. Neurologico: Nonostante condividano la TTR come precursore, i moduli ATTR cardiaco e neurologico hanno mostrato una sovrapposenza minima (somiglianza di Jaccard = 0,0569; solo 19 proteine condivise).
   • Limitazioni del precursore: L'inizializzazione della rete con la sola proteina precursore (TTR o LECT2) non è riuscita a recuperare fortemente l'ambiente molecolare a valle in nessuno dei contesti cardiaco o neurologico. Ciò indica che l'ambiente amiloide maturo è uno stato di rete distribuito, non riducibile alla semplice vicinanza nel grafo attorno alla proteina che forma la fibrilla.
   • Specificità direzionale: Nel modello ATTRv neurologico, i miglioramenti semantici si sono concentrati nel programma proteomico down-regolato (associato ad anomalie del citoscheletro e disfunzione assonale), mentre le proteine up-regolate mostravano una minore coerenza semantica.

Significato e affermazioni
Il documento afferma che FibrilNet supporta un modello multistrato di amiloidosi sistemica. In questo modello:

• Un ambiente amiloide conservato e ristretto (il nucleo) coesiste con un'organizzazione forte, specifica per il precursore, il tessuto e la malattia.
• L'ambiente molecolare a valle è uno stato di rete distribuito che emerge dall'interazione del precursore con il contesto tissutale specifico, piuttosto che essere un semplice vicinato locale del precursore.
• L'informazione semantica derivata dall'ontologia fornisce un bias induttivo biologicamente significativo, permettendo alla propagazione di rete di distinguere tra interazioni funzionalmente compatibili e incompatibili, rivelando così l' "ambiente molecolare distribuito" della deposizione amiloide.

Gli autori sottolineano che i loro risultati non mettono in discussione il ruolo causale delle proteine precursori, ma chiariscono che l'ambiente patologico è un sistema complesso e dipendente dal tessuto. Il framework offre un metodo riproducibile per analizzare le amiloidosi sistemiche e suggerisce che le analisi future debbano tenere conto di dataset molecolari specifici per variante e tessuto per risolvere completamente l'eterogeneità di queste malattie.