タンパク質間相互作用検出の進展

タンパク質同士の相互作用（PPI）は、多くの生物学的機能にとって重要なんだ。これらは細胞内のさまざまなプロセスをコントロールするのに役立つし、酵素がどう働くかや細胞が外部の信号にどう反応するかに関係してる。もしこれらの相互作用が壊れると、がんや代謝障害のような病気につながる可能性があるから、PPIを見つけて理解することは、学問的な目的だけじゃなく、診断技術や治療法の改善にも重要なんだ。

これまで科学者たちは主に実験的方法を使って大規模にPPIを特定してきた。免疫沈降-質量分析（IP-MS）や酵母二ハイブリッドスクリーニング（Y2H）みたいな技術が人気だったけど、そういう方法には限界もある。例えば、Y2Hはいくつかの相互作用を見逃すことがあって、結果を確認するために何回もテストする必要がある。IP-MSで見つかった相互作用も、タンパク質同士の直接的なつながりを示さないこともある。だから、科学者たちはしばしば追加の実験をして自分の発見を検証する必要があるんだ。

#タンパク質予測の最近の進展

最近、AlphaFoldやRoseTTAFoldのような新しいタンパク質構造予測法が登場した。これらのテクノロジーは、タンパク質がどう折りたたまれ、互いにどう相互作用するかを高精度で予測できる。中でも、AlphaFold-Multimer（AFM）は、タンパク質のペア間の相互作用を予測できる点で際立っていて、PPIの解析方法に大きな変化をもたらしている。AFMは、従来の実験的方法に代わるスケーラブルな選択肢を提供するだけでなく、それらの固有の課題にも対処できるんだ。

導入以降、いくつかの研究グループがAFMのパフォーマンス向上に取り組んできた。彼らはPPIの予測方法とその予測を正しく評価する方法の洗練に焦点を当てた。計算予測の一つの課題は、特に柔軟なタンパク質の部分を予測するのが難しいために、不正確な結果を出す場合があること。この柔軟な領域は、PPIが起こる場所でもあることが多い。

その問題に対処するために、科学者たちは柔軟な部分を持つタンパク質同士の直接的な相互作用をより良く識別できる新しい指標の必要性を認識した。この研究では、AFMが既存の実験データをより効果的に分析し、改善された技術を使ってPPIを特定するように適応された。

#AFMを使ったPPI検出の改善

この研究では、AFMを使って高信頼度のPPIからまとめられたデータセットを再分析した。チームは、ショウジョウバエ（果物バエ）とヒトという2つの種からデータセットを評価した。主な目的は、PPIを特定するのに使われるinterface pTM（ipTM）という指標の限界を明らかにすることだった。研究者たちは、タンパク質構造の予測精度を測るipTMスコアが、特に小さくて柔軟な相互作用部位を持つケースでは、真の相互作用を示さないことがあることを発見した。

これを改善するために、研究者たちはLocal Interaction Score（LIS）という新しいスコアリングシステムを開発した。この新しい指標は、予測のエラー率が低い領域に焦点を当てていて、実際の相互作用が起こる可能性があることを示唆してる。この新しいアプローチを使って、研究者たちはIP-MSやY2Hといった実験的方法から得られたデータセットで直接PPIをより効果的に特定できたんだ。

#ショウジョウバエのm6Aメチルトランスフェラーゼ複合体への応用

具体的な使用例として、研究者たちはLIS技術を使ってショウジョウバエのm6Aメチルトランスフェラーゼ複合体を研究した。彼らはこの複合体の既知の成分を再構築できて、以前には報告されていなかった新しい相互作用を特定することができた。このアプローチによって、30,000以上の潜在的相互作用を評価した結果、5,000を超える直接PPIが予測されたんだ。

チームはさらにLISアプローチを使って追加のシグナル伝達や代謝経路を探査し、文献に基づいて相互作用を潜在的なものか既知のものかに分類した。合計で80,000以上のタンパク質ペアを調べて、ショウジョウバエのPPIの既存データベースを大幅に充実させた。

#既存の指標の課題

研究者たちは、AFM由来のipTMスコアを使ってPPIを評価する際にいくつかの課題があることに気づいたんだ。これらのスコアは、いくつかの安定した相互作用を成功裏に予測したけど、しばしば生理的な環境で一般的なより一時的で柔軟な相互作用を特定するのには不十分だった。チームは、AFMを通じて生成されたPAE（Predicted Aligned Error）プロットがPPIを予測するための追加の有用な情報を提供できるかもしれないと仮定した。

既存の陽性と陰性コントロールデータセットを分析することで、研究者たちはipTMスコアが既知の相互作用とランダムペアを効果的に区別できる一方で、低いipTMスコアを持ついくつかの重要な相互作用を見逃すことがあることを示した。この発見は、構造の正確さだけではリアルなタンパク質相互作用の複雑さを捉えるには不十分かもしれないことを示してる。

#Local Interaction Score（LIS）の開発

PAEマップに含まれる情報を活用するために、研究者たちはエラー率が低い領域を強調して、その領域に基づくスコアリングメカニズムを作成した。彼らはPAEのさまざまなカットオフ値をテストし、カットオフ12が陽性相互作用と陰性相互作用を区別するのに最も優れた能力を示すことが分かった。新しいLIS指標は、彼らの実験でPPIを予測するのにおいて既存の指標よりも感度と特異性で大きく上回った。

結果は、新しいLISが柔軟な領域を含むタンパク質ペア間の直接的な相互作用を特定するのに効果的であることを確認した。この向上によって、研究者たちは従来の構造ベースの指標では見逃されがちなPPIを検出できるようになったんだ。

#他のデータセットとのさらなる検証

研究者たちは、酵母や文献から収集されたタンパク質の追加データセットに彼らの方法を適用して、LISアプローチをさらに検証した。彼らは自分たちの方法論から得られた結果を既存の指標と比較したところ、LISが陽性相互作用と陰性相互作用を区別する上で常に最も重要な違いをもたらすことが分かった。特に小さいインターフェースに依存するタンパク質間の相互作用を予測する能力が強調された。

#シーケンシャルAFMスクリーニングによるPPIネットワークの拡大

研究者たちは、彼らの発見に基づいて相互作用のより包括的なネットワークを構築できるマルチステップスクリーニングプロセスも実施した。LISとPAEの指標を使ったこの反復分析によって、相互作用をフィルタリングして、以前に特性付けられた相互作用の中でタンパク質間の直接的なつながりを特定できたんだ。

m6A複合体を通じてのスクリーニングは、既知の相互作用や将来の実験作業に役立つ可能性のある新しいリンクを明らかにする洞察をもたらした。このアプローチは、計算予測と実験データの統合がタンパク質の相互作用を理解する上での価値を強調している。

#大規模なショウジョウバエPPIデータセットの分析

LISアプローチの能力をさらに示すために、研究者たちはショウジョウバエの大規模データセットを分析した。FlyBiデータセットを評価したところ、特定された相互作用のかなりの割合が直接相互作用として分類される基準を満たしていることが分かった。高スループットのIP-MSデータセットの同様の評価を通じて、直接相互作用の割合が比較的低いことが分かり、Y2Hデータが真のPPIを特定する上でより信頼できるかもしれないという考えが確認された。

この研究は、従来の指標によって低スコアを割り当てられていたポジティブな相互作用の事例を明らかにする上でのLIS法の効果も示した。この発見は、新しい方法がタンパク質間の微妙で、もしかしたら一時的な相互作用を捉える能力を持っていることを強調してる。

#FlyPredictomeデータベースの紹介

研究者たちは、彼らの研究を通じて得られたPPI予測にアクセスしたり、利用したりするのを助けるために、FlyPredictomeというデータベースを開発した。このオンラインプラットフォームは、ショウジョウバエにおけるタンパク質同士の相互作用予測のハブとして機能し、関連データを検索して取得するための使いやすいインターフェースを提供している。データベースには80,000以上のPPI予測が含まれていて、ユーザーは自分の実験ニーズに応じてさまざまなタンパク質相互作用を探索できる。

FlyPredictomeは、予測された相互作用だけでなく、遺伝子発現パターン、細胞内局在、タンパク質の構造予測に関する詳細も提供している。研究者たちはこのデータベースを利用して、予測された相互作用の生物学的関連性を確認したり、これらの相互作用をより詳しくテストする実験を設計したりできるんだ。

#結論

研究者たちがタンパク質相互作用の複雑な世界を探求し続ける中で、Local Interaction Scoreの導入は、この分野における重要な進展を示している。柔軟な領域とローカルインターフェースに依存する相互作用を効果的に捉えることで、LISアプローチは生物体内のタンパク質相互作用の複雑なダイナミクスを理解する科学者たちの能力を向上させている。

計算予測と実験的検証のコラボレーションを通じて、この研究はタンパク質同士の相互作用によって支配される生物学的機能の複雑さを解明しようとする将来の研究への道を開いている。FlyPredictomeのようなリソースの設立は、この目標にさらに貢献し、より多くの研究者がこれらの発見にアクセスして、分子レベルでの生物学を解明するための探求を進めることを可能にするんだ。