Eiwit-eiwit interacties vormen de kern van alle cellulaire functies en biologische processen. Deze interacties worden zorgvuldig gereguleerd in ruimte en tijd om aan de eisen van de cel te voldoen en worden vaak verstoord in ziektetoestanden.

Een internationale studie onder leiding van Chris Soon Heng Tan van het A*STAR Institute of Molecular and Cell Biology (IMCB) beschrijft een nieuwe techniek die krachtige data-analyse gebruikt om de dynamiek van eiwit-eiwitinteractie af te leiden uit het smeltgedrag van eiwitcomplexen in cellen.

Methoden om snapshots van eiwit-eiwitinteractienetwerken in cellen vast te leggen zijn eerder beschreven, maar zoals Tan uitlegt, "Tot nu toe was er geen manier om de dynamiek van deze eiwitcomplexen op een high-throughput en ongerichte manier te volgen".

Blootstelling van eiwitten aan toenemende temperatuur zorgt ervoor dat ze uit de oplossing neerslaan. Thermal proximity coaggregation (TPCA) is gebaseerd op het idee dat eiwitten die deel uitmaken van een stabiel eiwitcomplex samen neerslaan, dankzij de nabijheid, en hebben een vergelijkbaar neerslagprofiel bij verschillende temperaturen (of smeltcurve).

In isolatie, verschillende eiwitten hebben waarschijnlijk verschillende smeltcurven, maar het team toonde aan dat in meer dan 350 goed gekarakteriseerde menselijke eiwitcomplexen, de smeltcurven van interagerende eiwitten zijn statistisch vergelijkbaar. Dus, door de gelijkenis tussen smeltcurven te kwantificeren, de TPCA-methode kan worden gebruikt om te bepalen welke eiwitten waarschijnlijk met elkaar interageren en stabiele complexen vormen over verschillende monsters.

"We waren nogal verrast dat de TPCA-handtekeningen zo sterk en detecteerbaar waren, " geeft Tan toe. TPCA-signaturen bleken te correleren met de hoeveelheid interactie tussen twee eiwitten. Dienovereenkomstig, ze laten zien dat sommige complexen hun smeltcurves veranderen afhankelijk van het celtype of het celcyclusstadium, wat suggereert dat TPCA kan worden gebruikt om veranderingen in eiwitinteracties onder verschillende omstandigheden te identificeren.

Bij het uitleggen van de voordelen van TPCA, Tan zegt dat in vergelijking met de huidige methoden, TPCA is niet afhankelijk van de beschikbaarheid van geschikte affiniteitsreagentia, zoals antistoffen, het vereist ook geen genetische manipulatie. Hierdoor kan het worden toegepast op weefsels en klinische monsters om eiwitcomplexen te identificeren die de ziekteprogressie stimuleren en die kunnen dienen als potentiële prognosemarkers of therapeutische doelen.

Het team gebruikt de techniek al om de moleculaire effecten van medicijnen en synthetische chemicaliën te bestuderen. en plannen om de techniek uit te breiden om de progressie van geselecteerde menselijke ziekten te bestuderen.