Towards reconstruction of the human interactome from positive and negative experimental evidence
Este artigo apresenta uma metodologia para reconstruir o espaço de busca experimental de triagens de interação proteína-proteína (PPI) para inferir pares de proteínas provavelmente não interagentes, permitindo assim uma melhor estimativa da taxa de erro, calibração de modelos e treinamento de aprendizado de máquina aprimorado para um mapeamento mais preciso e completo do interatoma humano.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
Dentro de cada célula viva, milhares de proteínas flutuam e colidem, constantemente estendendo-se para agarrar umas às outras. Quando duas proteínas se encaixam, elas formam uma equipe que pode construir estruturas, enviar sinais ou decompor resíduos. Essas parcerias, conhecidas como interações proteína-proteína, são a fiação fundamental da vida. Sem elas, as células seriam coleções caóticas de partes em vez de máquinas organizadas. Por décadas, cientistas têm tentado mapear essas conexões, criando um gigantesco diagrama de rede de quem fala com quem no corpo humano. Esse mapa ajuda a explicar como nossos corpos funcionam na saúde e como eles falham na doença. No entanto, o mapa está atualmente cheio de lacunas e erros. Sabemos de milhões dessas conexões, mas também sabemos que muitos links relatados são erros, e muitos links reais estão faltando. O maior problema é que os cientistas registraram apenas os encontros bem-sucedidos. Eles escreveram quais proteínas apertaram as mãos, mas raramente escreveram quais proteínas ficaram paradas uma ao lado da outra e se ignoraram.
Esse silêncio cria um ponto cego. Se você sabe apenas quem se encontrou, não consegue dizer se um encontro foi um evento raro e especial ou apenas um acidente de sorte. Pior, se você tentar usar um computador para prever novos encontros, terá que ensinar a ele o que é um "não-encontro". Geralmente, os cientistas ensinam computadores por meio de suposições, assumindo que quaisquer duas proteínas que não foram vistas juntas são estranhas. Mas essa é uma suposição perigosa. Só porque duas proteínas não foram testadas juntas não significa que elas não interagem; pode ser apenas que ninguém jamais as colocou na mesma sala. Para corrigir isso, uma equipe de pesquisadores partiu para reconstruir a história ausente desses experimentos. Eles queriam encontrar o registro invisível de todas as vezes que as proteínas foram testadas, mas falharam em se conectar.
Os pesquisadores começaram com uma coleção massiva de dados existentes, reunindo resultados de mais de 5.500 experimentos diferentes que já haviam sido publicados. Esses experimentos usavam dois métodos principais para testar conexões: um que mistura proteínas em um tubo de ensaio e outro que as cultiva dentro de células de levedura. Nesses experimentos, os cientistas geralmente testam uma proteína "isca" contra muitas proteínas "presa" para ver quais delas grudam. A prática padrão era relatar apenas os grudos bem-sucedidos. A equipe percebeu, no entanto, que a lista de grudos bem-sucedidos continha, na verdade, uma pista oculta sobre os fracassos. Se uma proteína presa específica foi encontrada grudando em uma isca em um tubo de ensaio, isso prova que a presa estava presente e funcionando naquele experimento específico. Portanto, se essa mesma presa estivesse presente no mesmo tubo, mas não grudasse em uma isca diferente, ela deve ser um "não-grude" genuíno. Ao usar as conexões bem-sucedidas para mapear toda a sala onde os experimentos ocorreram, a equipe pôde inferir quais proteínas foram testadas, mas falharam em se conectar.
Usando essa lógica, os pesquisadores transformaram uma lista de cerca de meio milhão de interações relatadas em um conjunto de dados muito maior contendo quase 182 milhões de testes individuais. A partir disso, identificaram 97 milhões de pares únicos de proteínas que haviam sido testados. Crucialmente, eles agora podiam separar os pares que foram testados e descobriram que interagiam dos pares que foram testados e descobriram que não interagiam. Eles focaram nos dados mais confiáveis: pares que foram testados múltiplas vezes. Identificaram mais de 18 milhões de pares que foram testados pelo menos três vezes e nunca mostraram qualquer sinal de conexão. Estes não são palpites; são não-conexões experimentalmente confirmadas. A equipe também encontrou mais de 6.000 pares que foram testados repetidamente e consistentemente mostraram uma conexão, dando-lhes alta confiança de que essas interações são reais.
Os pesquisadores então verificaram se essas novas não-conexões faziam sentido biológico. Eles observaram se as proteínas que interagiam compartilhavam características comuns, como viver na mesma parte da célula ou realizar trabalhos semelhantes, enquanto os pares não-interativos não as compartilhavam. Os resultados corresponderam às expectativas perfeitamente. Os pares interagentes confirmados eram muito mais propensos a compartilhar esses traços do que os pares não-interantes confirmados. Essa validação provou que o método funcionou: a equipe havia recuperado com sucesso uma camada de evidência negativa que anteriormente estava perdida. Eles descobriram que as proteínas que falharam em se conectar eram, de fato, funcionalmente diferentes daquelas que o fizeram, confirmando que os dados reconstruídos não eram apenas ruído aleatório, mas um reflexo verdadeiro da realidade biológica.
Com esta nova lista verificada de não-conexões, a equipe testou como ela poderia melhorar as ferramentas que os cientistas usam para estudar essas redes. Primeiro, eles usaram os dados para verificar a precisão de outros experimentos de larga escala. Ao observar com que frequência esses novos pares "negativos" apareciam em outros estudos, eles puderam calcular quantos alarmes falsos esses estudos poderiam ter gerado. Eles descobriram que alguns experimentos tinham taxas de erro de até 40%, o que significa que uma grande parte de suas conexões relatadas poderia ser erro. Isso fornece uma nova maneira de calibrar e limpar futuros experimentos. Segundo, eles testaram os dados em modelos de computador projetados para prever interações. Quando treinaram esses modelos usando os novos dados negativos do mundo real em vez de suposições aleatórias, os modelos produziram previsões diferentes e mais distintas. Os modelos treinados com dados negativos reais foram menos propensos a cometer os mesmos erros que aqueles treinados com suposições aleatórias, sugerindo que ter um registro verdadeiro do que não acontece é essencial para ensinar aos computadores o que acontece.
O estudo também revelou algo surpreendente sobre as próprias proteínas. Algumas proteínas são notórias por grudarem em tudo o que tocam, agindo como cola biológica, enquanto outras são "autoativadoras" que disparam alarmes falsos em experimentos de levedura. Ao observar com que frequência uma proteína era testada contra muitos parceiros diferentes e com que frequência ela falhava em se conectar, a equipe pôde identificar essas proteínas problemáticas. Eles descobriram que os conhecidos causadores de problemas eram justamente aqueles que pareciam se conectar indiscriminadamente, independentemente do parceiro. Isso oferece uma nova maneira de sinalizar e filtrar essas proteínas ruidosas em pesquisas futuras, levando a mapas mais limpos e precisos.
Finalmente, os pesquisadores usaram esses dados para repensar a forma geral da rede de interação humana. Por muito tempo, os cientistas acreditaram que a rede seguia um padrão matemático específico onde poucas proteínas têm milhares de conexões e a maioria tem muito poucas. No entanto, quando a equipe corrigiu o fato de que algumas proteínas eram simplesmente testadas com mais frequência do que outras, esse padrão desapareceu. Em vez disso, a distribuição das conexões assemelhou-se mais a uma curva de sino, sugerindo que os "hubs" extremos vistos em mapas anteriores podem ser um artefato de como os experimentos foram conduzidos, em vez de uma característica real da biologia. Essa descoberta desafia uma suposição de longa data sobre como nossas redes celulares são construídas.
O trabalho não pretende afirmar que terminou o mapeamento do interatoma humano. A verdadeira rede ainda é vasta e amplamente inexplorada. No entanto, ao recuperar a história dos experimentos fracassados, a equipe forneceu uma peça crucial do quebra-cabeça. Eles demonstraram que a ausência de evidência, quando devidamente reconstruída, é de fato evidência de ausência. Este novo recurso, que inclui milhões de não-conexões confirmadas, está agora disponível para que outros cientistas o utilizem. Ele oferece uma maneira de treinar melhores computadores, calibrar melhores experimentos e, em última análise, construir uma imagem mais precisa e completa de como o corpo humano funciona em seu nível mais fundamental.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.