Новый метод оценки белковых взаимодействий анализирует большие наборы данных под новым углом

Исследователи из Института медицинских исследований Стоуэрс создали новый способ определения индивидуальных белковых ассоциаций, который является быстрым, эффективным и информативным. Результаты, опубликованные 8 марта 2019 года в журнале Nature Communications, показывают, как алгоритм топологического скоринга (TopS), созданный учёными Стоуэрс, может — путём комбинирования наборов данных — идентифицировать белки, которые объединяются.

Подход аналогичен анализу активности и взаимодействий всех индивидов в сообществе с последующим выделением наиболее значимых взаимодействий, некоторые из которых могут быть очень редкими. Исследователи ищут биологический эквивалент двух индивидов, которые могут быть единственными во всём сообществе, участвующими в важном взаимодействии.

Это не только помогает исследователям определить, как белки выполняют биологические функции или осуществляют биологические процессы, но и позволяет применять алгоритм к ранее полученным биологическим данным и, потенциально, в других областях науки для извлечения новой информации.

«Это форма анализа больших данных, которую мы применяем к протеомным данным для идентификации и понимания сетей белковых взаимодействий», — говорит Майкл Уошберн, доктор философии, директор Протеомного центра Стоуэрс. «Метод дополняет многие уже используемые техники, поэтому его можно применять для постановки и решения новых вопросов».

Наборы белковых данных сложно анализировать на предмет значимой информации из-за их огромного размера. «Вам приходится рассматривать тысячи белков», — говорит Михаэла Сардиу, доктор философии, старший научный специалист в Стоуэрс. Понимание того, как множество различных белков объединяются для выполнения чего-либо, например, репарации ДНК, — сложная задача. «Мы хотели упростить проблему».

Это означало, что вместо общего взгляда на всё, они искали менее распространённые события. Исследователи сделали это, изучая «приманки» (белки, уже известные своим участием в интересующих процессах) и «добычу» (белки, которые могут взаимодействовать с белками-приманками), чтобы увидеть, как они взаимодействуют в комплексах репарации ДНК человека и ремоделирования хроматина дрожжей. С помощью TopS данные анализируются параллельно, то есть данные от нескольких биологически связанных «приманок» рассматриваются одновременно. Ключевой особенностью TopS является способность оценивать предпочтение белка-«добычи» к одной «приманке» относительно других. «Вместо расчёта оценки, концентрируясь только на информации об одной приманке, мы теперь агрегируем информацию из всего набора данных», — объясняет Сардиу.

Уошберн и Сардиу считают, что TopS можно применять к широкому спектру наборов данных за пределами протеомики, как в фундаментальных исследованиях, так и за их пределами. Сардиу видит потенциал в использовании алгоритма для медицинских данных, где врачи смогут сравнивать здоровье пациента с другими, например, определяя, является ли болезнь пациента «действительно запущенной по сравнению с другими или нет».

Команда также опубликовала эти находки на Github, репозитории компьютерного кода, чтобы дать другим исследователям возможность протестировать алгоритм и увидеть, как его можно применить в своих проектах.

«Мы в восторге от того, как далеко это может зайти. Это потенциально высокоэффективный инструмент, и мы хотим увидеть, какие другие творческие и инновационные идеи могут предложить люди», — говорит Уошберн. «Мы считаем, что это действительно ценный потенциальный инструмент для многих, кто сталкивается с проблемой сортировки очень крупномасштабных данных».

Другими участниками работы из Института Стоуэрс были Джошуа М. Гилмор, доктор философии, Брэд Д. Гропп, Арноб Дутта, доктор философии, и Лоренс Флоранс, доктор философии.

Исследование финансировалось Институтом Стоуэрс и грантом Национального института общих медицинских наук Национальных институтов здоровья (NIH) под номером R01GM112639.