Protein-proteininteraktioner är kärnan i alla cellulära funktioner och biologiska processer. Dessa interaktioner är noggrant reglerade i rum och tid för att uppfylla cellens krav och störs ofta i sjukdomstillstånd.

En internationell studie ledd av Chris Soon Heng Tan vid A*STAR Institute of Molecular and Cell Biology (IMCB) beskriver en ny teknik som använder kraftfull dataanalys för att härleda protein-proteininteraktionsdynamik från smältbeteendet hos proteinkomplex inuti celler.

Metoder för att fånga ögonblicksbilder av protein-proteininteraktionsnätverk i celler har beskrivits tidigare, men som Tan förklarar, "tills nu har det inte funnits något sätt att övervaka dynamiken i dessa proteinkomplex på ett högeffektivt och oriktat sätt".

Att utsätta proteiner för ökande temperatur gör att de faller ut ur lösningen. Thermal Proximity Coaggregation (TPCA) är baserad på idén att proteiner som ingår i ett stabilt proteinkomplex kommer att samutfällas, på grund av närheten, och har en liknande nederbördsprofil över olika temperaturer (eller smältkurva).

I isolering, olika proteiner har sannolikt olika smältkurvor, men teamet visade att i mer än 350 välkarakteriserade humana proteinkomplex, smältkurvorna för interagerande proteiner är statistiskt lika. Således, genom att kvantifiera likheten mellan smältkurvor, TPCA-metoden kan användas för att bestämma vilka proteiner som sannolikt kommer att interagera med varandra och bilda stabila komplex över olika prover.

"Vi blev ganska förvånade över att TPCA-signaturerna var så starka och detekterbara, " medger Tan. TPCA-signaturer visade sig korrelera med mängden interaktion mellan två proteiner. Följaktligen, de visar att vissa komplex ändrar sina smältkurvor beroende på celltyp eller cellcykelstadium, vilket tyder på att TPCA kan användas för att identifiera förändringar i proteininteraktioner under olika förhållanden.

När man förklarar fördelarna med TPCA, Tan säger att jämfört med nuvarande metoder, TPCA är inte beroende av tillgången på lämpliga affinitetsreagenser, som antikroppar, det kräver inte heller genteknik. Detta gör att den kan appliceras på vävnader och kliniska prover för att identifiera proteinkomplex som driver sjukdomsprogression och som kan fungera som potentiella prognosmarkörer eller terapeutiska mål.

Teamet använder redan tekniken för att studera de molekylära effekterna av droger och syntetiska kemikalier, och planerar att utöka tekniken för att studera utvecklingen av utvalda mänskliga sjukdomar.