Сетевой анализ выявляет мишени патогенов в модельном растении Arabidopsis thaliana
Исследователи из Университета Алабамы в Бирмингеме и Института Грегора Менделя в Вене использовали методы системной биологии и анализа сетей для идентификации неизвестных ранее белковых мишеней патогенов в цветковом растении Arabidopsis thaliana.
Аналогия с социальными сетями
Анализ белковых взаимодействий в клетке аналогичен изучению социальных сетей (Twitter, Facebook), где можно выявить ключевых "распространителей информации" — узлы с наибольшим числом связей (хабы) или контролирующие потоки (бутылочные горлышки). Карта таких связей называется интерактомом.
Исследование двух интерактомов
Учёные проанализировали:
- Глобальный белковый интерактом клеток листьев A. thaliana (Arabidopsis интерактом).
- Интерактом клеточной поверхности — сеть рецепторов, позволяющих растению ощущать среду и реагировать на угрозы, включая патогены.
Фенотипы и структура сети
Более 4300 генов Arabidopsis были соотнесены с пятью классами фенотипов: необходимые для выживания, морфологические, клеточные/биохимические, условные (проявляющиеся при стрессе) и с неизвестным фенотипом. В Arabidopsis интерактоме крупные хабы и "бутылочные горлышка" были обогащены условными генами и обеднены необходимыми генами. Это контрастирует с дрожжами, где такие узлы обогащены необходимыми генами (спорное правило "центральность-летальность").
Поиск мишеней патогенов
Патогены внедряют в клетки растения эффекторные белки, манипулирующие сетью взаимодействий. Ранее были построены межвидовые сети взаимодействия эффекторов с белками Arabidopsis. Оказалось, что крупные хабы интерактома составляют лишь 6,5% мишеней эффекторов, что делает такой подход малоэффективным.
Метод k-shell decomposition
Применение метода взвешенного k-shell разложения (используемого для поиска лучших "распространителей информации" в соцсетях) позволило достичь 33% успеха в идентификации мишеней эффекторов среди белковых узлов внутренних слоёв разложения.
Проверка на другом интерактоме
Анализ интерактома клеточной поверхности методом k-shell предсказал 35 наиболее влиятельных белков. При тестировании их на взаимодействие с эффекторными белками бактериального патогена Pseudomonas syringae было идентифицировано семь ранее неизвестных мишеней (успех 40%). Мутанты по этим семи мишеням показали изменения в росте патогена на листьях Arabidopsis.
Выводы и перспективы
Метод k-shell разложения превосходит другие меры центральности для поиска мишеней эффекторов. Этот сетевой подход имеет потенциал для применения к разнообразным внутри- и межвидовым интерактомам, включая сети белковых взаимодействий человека, для выявления точек контакта "хозяин-патоген" и разработки целевых терапевтических стратегий.