Capturing domain-level detail of molecular interactions in the IMEx Consortium binding domain data set
Dit artikel introduceert de IMEx binding domain dataset, een grootschalige, handmatig samengestelde collectie van experimenteel afgeleide eiwitinteractieregio's die zijn toegewezen aan UniProtKB-sequenties, wat dient als een gouden standaard voor het benchmarken van interfacevoorspellingsmethoden en het verhelderen van de mechanistische basis van ziektegeassocieerde mutaties.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Binnen elke levende cel vindt constant een enorm netwerk van gesprekken plaats. Eiwitten, de werkpaarden van het leven, handelen niet alleen; ze moeten fysiek in contact komen en verbinding maken met andere moleculen om signalen te verzenden, structuren op te bouwen en de chemische reacties uit te voeren die een organisme in leven houden. Deze verbindingen zijn geen willekeurige botsingen, maar zeer specifieke ontmoetingen, die vaak plaatsvinden op precieze punten op het oppervlak van het eiwit. Net zoals een sleutel in een specifief slot past, gebruikt een eiwit een bepaald deel van zijn vorm om zich aan een partner vast te grijpen. Wetenschappers noemen deze specifieke grijppunten "bindingsregio's". Het begrijpen van de exacte locatie van deze punten is cruciaal, omdat het onthult hoe cellen normaal functioneren en, even belangrijk, hoe ze falen wanneer ziekte toeslaat. Als een genetische mutatie de vorm van een bindingsregio verandert, kan het eiwit zijn vermogen om verbinding te maken verliezen, waardoor het hele cellulaire gesprek mislukt.
Al meer dan twintig jaar verzamelt een wereldwijd team van wetenschappers nauwgezet bewijs van deze specifieke ontmoetingspunten. Deze inspanning, bekend als het IMEx Consortium, betreft experts die duizenden wetenschappelijke artikelen lezen om details te extraheren over hoe eiwitten met elkaar interageren. Ze registreren niet alleen dat twee eiwitten elkaar raken; ze identificeren de exacte sequentie van bouwstenen, bekend als aminozuren, die de verbinding mogelijk maken. In een recente update van deze enorme collectie heeft het team een uitgebreide dataset uitgebracht die bijna 233.000 van deze experimenteel geverifieerde bindingsregio's bevat. Deze nieuwe bron fungeert als een gedetailleerde kaart, die specifieke delen van een eiwitsequentie koppelt aan de interacties die zij bemiddelen, en verbindt deze informatie met het bredere landschap van eiwitfamilies en menselijke genetische ziekten.
De onderzoekers achter deze dataset, werkend in Europa en daarbuiten, hebben decennia besteed aan het cureren van deze informatie uit wetenschappelijke literatuur met peer-review. Ze hebben de gegevens in drie hoofdcategorieën onderverdeeld op basis van de wijze waarop de experimenten werden uitgevoerd. De grootste groep, die meer dan 179.000 vermeldingen bevat, vertegenwoordigt "voldoende bindingsregio's" (sufficient binding regions). Dit zijn segmenten van een eiwit die, wanneer geïsoleerd en getest, voldoende zijn om een verbinding met een partner te veroorzaken. Een tweede groep, bestaande uit meer dan 48.000 vermeldingen, beschrijft "bindingsgeassocieerde regio's" (binding-associated regions), wat gebieden zijn waarvan wordt vermoed dat ze betrokken zijn bij de interactie, maar waar de exacte grenzen minder duidelijk zijn. De kleinste groep, met ongeveer 5.300 vermeldingen, vermeldt "noodzakelijke bindingsregio's" (necessary binding regions). Dit zijn de meest precieze annotaties, die de specifieke aminozuren identificeren die absoluut vereist zijn voor de verbinding om plaats te vinden. De gegevens beslaan interacties in meer dan 1.000 verschillende soorten, hoewel de meerderheid van de informatie afkomstig is van goed bestudeerde organismen zoals mensen, muizen, fruitvlieen en gist.
Om deze data bruikbaarder te maken voor modern onderzoek, heeft het team een nieuwe methode ontwikkeld om deze bindingsregio's automatisch te koppelen aan bekende eiwitfamilies. Waar menselijke curatoren eerder deze koppelingen alleen toevoegden wanneer een artikel expliciet een specifieke domein benoemde, scant de nieuwe geautomatiseerde pijplijn de gehele dataset om overlappingen te vinden. De onderzoekers ontdekten dat bijna de helft van de menselijke bindingsregio's ten minste één bekend eiwitdomein bevat, maar in veel gevallen strekt de bindingsregio zich ver buiten de grenzen van dat domein uit. Dit suggereert dat de "greep" die een eiwit gebruikt om zich aan een partner vast te houden, vaak groter en complexer is dan de standaard modulaire onderdelen die wetenschappers gewoonlijk bestuderen. Door deze regio's systematisch te matchen met een database van bekende eiwitstructuren, slaagde het team erin om een domeinidentiteit toe te wijzen aan duizenden bindingsregio's die die voorheen misten, waardoor de hiaten in ons begrip van de eiwitarchitectuur effectief werden opgevuld.
Het team onderzocht ook hoe deze bindingsregio's zich verhouden tot korte, eenvoudige patronen in eiwitsequenties, genaamd lineaire motieven. In tegen tegenstelling tot grote, complexe domeinen, zijn deze motieven piepkleine sequenties van slechts enkele aminozuren die interacties kunnen triggeren. De analyse toonde aan dat veel van de bindingsregio's in de dataset overeenkomen met deze bekende motieven, met name die betrokken bij dockingplaatsen of chemische modificaties zoals fosforylering. Deze bevinding overbrugt de kloof tussen grote structurele domeinen en de kleine, vluchtige interacties die vaak het celgedrag reguleren. Het bevestigt dat de dataset een breed spectrum aan interactietypes vastlegt, van de stevige, goed gedefinieerde domeinen tot de flexibele, korte sequenties die snelle cellulaire reacties mogelijk maken.
Misschien wel de meest significante toepassing van deze dataset ligt in het begrijpen van menselijke ziekten. De onderzoekers brachten duizenden genetische varianten, inclusief die die bekend staan om het veroorzaken van ziekten, in kaart op deze bindingsregio's. Ze ontdekten dat bijna 12.000 ziektegeassocieerde mutaties direct binnen experimenteel gedefinieerde bindingsregio's vallen. Dit is een krachtig inzicht omdat het verder gaat dan enkel weten dat een mutatie schadelijk is; het legt uit waarom. Door de mutatie te lokaliseren tot een specifiek interactie-interface, kunnen wetenschappers zien dat de ziekte waarschijnlijk ontstaat doordat het eiwit niet langer met zijn partner kan verbinden. De studie benadrukte dat deze verstorende mutaties veel voorkomen bij aandoeningen variërend van immuunstoornissen en hormonale onevenwichtigheden tot diverse vormen van kanker en neurodegeneratieve ziekten. Voor varianten waarvan de effecten momenteel onbekend zijn, biedt het plaatsen van hen binnen een bindingsregio een concreet startpunt voor verder onderzoek, wat onderzoekers helpt om te prioriteren welke mutaties zij als eerste moeten bestuderen.
De dataset is gratis beschikbaar voor de wetenschappelijke gemeenschap, wordt bijgewerkt bij elke nieuwe release van de IntAct-database en kan worden geraadpleegd in formaten die zowel geschikt zijn voor menselijke lezing als voor computeranalyse. Het dient als een gouden standaard voor het testen van nieuwe hulpmiddelen die voorspellen hoe eiwitten interageren of hoe genetische veranderingen de gezondheid kunnen beïnvloeden. Hoewel de data de biases van de wetenschappelijke literatuur reflecteert, met een sterke focus op goed bestudeerde eiwitten en enkele grootschalige studies, blijft het de meest complete collectie van zijn soort. Door een helder, experimenteel geverifieerd kaart te bieden van waar eiwitten verbinding maken, biedt dit werk een fundamentele bron voor het ontcijferen van de moleculaire logica van het leven en de specifieke manieren waarop die logica fout kan gaan bij ziekte.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.