Le interazioni proteina-proteina sono al centro di tutte le funzioni cellulari e dei processi biologici. Queste interazioni sono attentamente regolate nello spazio e nel tempo per soddisfare i requisiti della cellula e sono spesso interrotte negli stati patologici.

Uno studio internazionale condotto da Chris Soon Heng Tan presso l'A*STAR Institute of Molecular and Cell Biology (IMCB) descrive una nuova tecnica che utilizza una potente analisi dei dati per dedurre le dinamiche di interazione proteina-proteina dal comportamento di fusione dei complessi proteici all'interno delle cellule.

I metodi per catturare istantanee delle reti di interazione proteina-proteina nelle cellule sono stati descritti in precedenza, ma come spiega Tan, "Finora non c'è stato modo di monitorare la dinamica di questi complessi proteici in modo non mirato e ad alto rendimento".

L'esposizione delle proteine ​​all'aumento della temperatura le fa precipitare fuori dalla soluzione. La coaggregazione di prossimità termica (TPCA) si basa sull'idea che le proteine ​​che fanno parte di un complesso proteico stabile coprecipitano, in virtù della vicinanza, e hanno un profilo di precipitazione simile a diverse temperature (o curva di fusione).

In isolamento, è probabile che proteine ​​diverse abbiano curve di fusione diverse, ma il team ha dimostrato che in più di 350 complessi proteici umani ben caratterizzati, le curve di fusione delle proteine ​​interagenti sono statisticamente simili. Così, quantificando la somiglianza tra le curve di fusione, il metodo TPCA può essere utilizzato per determinare quali proteine ​​possono interagire tra loro e formare complessi stabili tra campioni diversi.

"Siamo rimasti piuttosto sorpresi dal fatto che le firme TPCA fossero così forti e rilevabili, " ammette Tan. È stato scoperto che le firme TPCA sono correlate alla quantità di interazione tra due proteine. Di conseguenza, mostrano che alcuni complessi cambiano le loro curve di fusione a seconda del tipo di cellula o della fase del ciclo cellulare, suggerendo che TPCA potrebbe essere utilizzato per identificare i cambiamenti nelle interazioni proteiche in condizioni diverse.

Quando si spiegano i vantaggi di TPCA, Tan dice che rispetto ai metodi attuali, TPCA non si basa sulla disponibilità di reagenti di affinità appropriati, come anticorpi, né richiede ingegneria genetica. Ciò consente di applicarlo a tessuti e campioni clinici per identificare i complessi proteici che stanno guidando la progressione della malattia e che potrebbero fungere da potenziali marcatori di prognosi o bersagli terapeutici.

Il team sta già utilizzando la tecnica per studiare gli effetti molecolari di farmaci e sostanze chimiche sintetiche, e prevede di estendere la tecnica allo studio della progressione di malattie umane selezionate.