$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
После успешного выполнения протокола пользователи должны получить высококачественные наборы данных о взаимодействии, подходящие для последующего анализа dfPPI. Идентификация белка выполняется по данным DIA при 1% FDR (уровни PSM и белка), а количественная оценка использует исходные интенсивности или спектральные подсчеты MS/MS (не LFQ). Ожидаемые сигнатуры контроля качества включают: тесную кластеризацию технических репликатов по PCA, медиану CV предшественников/белков примерно 10-12%, иерархическую кластеризацию, обусловленную биологическим происхождением, а не репликацией, и надежное обогащение на уровне пути на g:Profiler/Reactome.
Генерация PU-шарикового зонда и проверка активности перед использованием
ПУ-гранулы получают путем связывания эпихапером-связывающего низкомолекулярного аналога с NHS-активируемой агарозой, как описано ранее25. Стандартная упаковка смолы объемом 25 мл дает ~25 мл полиуретановых гранул, хранящихся в соотношении 1:1 в изопропаноле. Аликвот в пробирки с низким уровнем связывания и хранить при температуре −20 °C, защищенном от света (например, завернуть в алюминиевую фольгу). В этих условиях партия остается стабильной в течение ≥12 месяцев. Перед применением удалите изопропанол и уравновесьте гранулы в нативном связывающем буфере (шаг 1.3). Каждую партию квалифицируют при синтезе и периодически в дальнейшем используют два анализа (рис. 2): (i) Биологическая специфичность – согласованные вытяжки из эпихаперома с высоким содержанием лизата (например, MDA-MB-468) и эпихаперома с низким содержанием лизата (например, ASPC1) в идентичных условиях (40 мкл суспензии из гранул с общим содержанием белка 250 мкг; 3 ч при 4 °C; нативные смывыва), элюирования/денатурации и иммуноблоттинга для HSP90, HSC70 и HOP. Принятие: сильное обогащение в образце эпихапером-высокого уровня с минимальным сигналом в низком образце; Отношение полосы к интенсивности сравнимо с эталонным участком (±20-30%). (ii) Параллельный захват профиля груза из эпихаперома с высоким содержанием лизата с полиуретановыми шариками в сравнении с соответствующими инертными контрольными шариками, загрузка равных объемов элюата в SDS-PAGE и окрашивание Кумасси. Приемка: Полиуретановые бусины показывают богатый, высокомолекулярный груз с минимальным фоном на полосе контрольных бортов. Партия объемом 25 мл поддерживает ~600 захватов по 40 мкл на образец; Часто отходят от эксплуатации, если специфика или профиль груза выходят за рамки приемлемости после повторной промывки/восстановления равновесия.
Репрезентативные результаты протоколов in-gel и on-bead
В пилотном сравнении клеток MDA-MB-468 с высоким эпихаперомом, рабочие процессы в геле и на гранулах производили высококонкордантные взаимодействия: 4616 из 6333 белков (73%) были общими на уровне белковых групп, при этом 1275 (20%) были обнаружены только с помощью внутригельного слоя и 442 (7%) только с помощью гранул. Согласие на уровне пути было еще выше: из 860 терминов Reactome 727 (85%) были общими, 81 (9%) — уникальными для in-gel и 52 (6%) — уникальными. Медианная интенсивность белка была на ~3× выше для in-gel, чем для in-bead, что согласуется с концентрацией геле-элюирования, но это существенно не влияло на конкорданцию пути.
Пример когортного масштаба и сигнатуры контроля качества
В качестве примера мы проанализировали двенадцать биологических образцов (рис. 3). Четыре образца были элюированы и обработаны путем разложения в геле; восемь образцов подвергались аффинной очистке эпихаперомных комплексов с последующим расщеплением на бусинах и нано-ЖХ-МС/МС в техническом дублиру. Наблюдались ожидаемые сигнатуры контроля качества: тесная кластеризация технических репликатов по PCA, медиана CV предшественников/белков ~10-12%, иерархическая кластеризация, обусловленная биологическим происхождением, а не репликацией, и надежное обогащение на уровне пути на g:Profiler/Reactome. Эти результаты иллюстрируют воспроизводимость компонентов рабочего процесса, широкое обнаружение белков, вовлеченных эпихаперомом, и четкую функциональную интерпретируемость дифференциальных интеракторов на уровне путей. Обогащение путей, полученных в обоих рабочих процессах, соответствовало нашим опубликованным результатам dfPPI для этой линии, подтвержденным несколькими биохимическими и функциональными ортогональными анализами17.
Качество исходного материала и разложения
Репрезентативный гель SDS-PAGE, окрашенный по методу Кумасси, показан для четырех образцов, обработанных методом разложения в геле (рис. 3A). Гель иллюстрирует воспроизводимый захват белка и последовательное распределение полос по полосам, подтверждая успешное обогащение белковых комплексов из нативных лизатов до масс-спектрометрии. Эти денатурированные интерактомные профили демонстрируют, что стадия аффинного захвата дает достаточный и стабильный ввод белка для последующего анализа МС.
Захваченные интерактомы демонстрируют широкий белковый охват по молекулярным массам, что отражает успешное обогащение белковых сборок из нативных лизатов. Важно отметить, что это восстановление не ограничивается обильными белками, а включает в себя интеракторы с меньшим количеством, что обеспечивает сложность и глубину, необходимые для анализа на системном уровне.
Элементы управления и специфичность в масштабе
В этом рабочем процессе мы используем контрольные валики только для предварительной очистки (см. шаги 1.3 и 1.4); Мы не проводим рутинных сравнительных захватов «инертным зондом» на каждом биообразце. Для больших клинических когорт инертные снимки потребляют ценный материал, но не имеют большой интерпретативной ценности для dfPPI, поскольку нисходящая статистика работает на уровне сети/пути, а не на уровне какого-либо отдельного белка. Случайные или липкие к смоле загрязнители не проявляются скоординированным образом в элементах одного и того же пути и, следовательно, не выдерживают тестов на обогащение на уровне пути или фильтров консистенции на уровне когорты. На практике специфичность обеспечивается (i) предварительной очисткой, (ii) точной воспроизводимостью репликации (PCA/CV) и (iii) стабильностью пути через пороговые значения и повторной дискретизацией. Исторически мы оценивали эксперименты с инертным захватом и растворимым конкурентом (PU-H71) и обнаружили, что они не изменяли исходы пути dfPPI16,17,21 при потреблении незаменимого клинического материала; Следовательно, мы оставляем их только для пилотной проверки. Для групп, предпочитающих явные проверки на уровне прогона, мы отмечаем, что оба варианта совместимы с протоколом, но не являются обязательными для анализа dfPPI в масштабе когорты.
Тиражируемое число
Вывод путей в dfPPI основан на множестве и не требует фиксированного номера репликации. При надежном сборе данных одна выборка для каждого условия может дать вызовы исследовательских путей. Для подтверждающих анализов мы рекомендуем ≥3 биологических репликации на одно состояние для культивируемых клеток (с дублированием инъекций ЖХ-МС/МС, когда это возможно) и соответствующие когорте N для тканей человека (обычно ≥5-10 на группу для обнаружения, больше при стратификации по ковариатам). Мы оцениваем стабильность с помощью кластеризации репликации (PCA), медианы CV предшественника (цель ~10-15%) и бутстрепа/повторной выборки результатов обогащения.
Техническая воспроизводимость при выполнении нескольких прогонов
Техническая воспроизводимость оценивалась с помощью анализа главных компонент (PCA) (рис. 3B) данных об интенсивности пептидов из расщепленных на бусинах образцов (восемь мозгов мышей, выполненных в двух экземплярах). Репликации плотно сгруппированы для каждого биологического образца, в то время как разные образцы четко разделены по первым двум основным компонентам. Первые два основных компонента объясняли 28,6% и 22,0% общей дисперсии соответственно и распределяли выборки в соответствии с биологическими различиями, а не техническим шумом. Эта структура отражает высокую аналитическую согласованность и подтверждает, что метод сохраняет биологически значимые различия, что имеет решающее значение для того, чтобы dfPPI мог обнаруживать переподключение сети по конкретному состоянию.
Согласованность обнаружения по образцам
Распределение коэффициентов вариации (CV) для интенсивностей ионов-предшественников показывает, что подавляющее большинство признаков находятся ниже 20% CV, при этом медианные значения варьируются от 9,7% до 11,9% в зависимости от условий (рисунок 3C). Эти результаты подтверждают последовательное обнаружение РС и восстановление пептидов во всех репликациях.
Динамический диапазон и покрытие протеома
Иерархическая кластеризация логарифмически преобразованных значений распространенности белка (рисунок 3D) показала сильное разделение образцов и сохранение вариаций между образцами, а также отразила широкий динамический диапазон, захваченный в прогонах MS. Интенсивность белка варьировалась от интеракторов с низким содержанием до высокообогащенных белковых групп, что визуализируется градиентом от синего до желтого. Данные подтверждают, что протокол позволяет обнаруживать различные белковые сборки и интеракторы, захватывая как ядро, так и периферические компоненты.
Функциональный перевод через dfPPI
Для поддержки интерпретации и воспроизводимости мы предоставляем два дополнительных ресурса для анализа набора данных dfPPI: (i) интерактивное веб-приложение Shiny (https://epichaperomics.mskcc.org/ обновлено до https://dfppi.mskcc.org) и (ii) открытые рабочие процессы с поддержкой сценариев и файлы сеансов Cytoscape, выпущенные с предыдущими исследованиями dfPPI (GitHub/Zenodo)38,39,40,41. Приложение принимает необработанные таблицы интенсивности или спектрального подсчета MS/MS, выполняет контроль качества (кластеризация репликации, проверка пропущенных значений), необязательную обработку шума/пакетов (ковариатная регрессия), идентифицирует дифференциально вовлеченные белки и предоставляет показания путей/сети с помощью интерактивных графиков и загружаемых отчетов — без необходимости кодирования.
dfPPI рассматривает измеренную интенсивность или спектральные подсчеты в качестве прокси для «эпихаперомного взаимодействия». Пользователи выбирают модель дифференциальной связности (DC), варьирующуюся от простого двустороннего t-критерия (по умолчанию) до линейных моделей с поддержкой ковариаций; Шаг постоянного тока также можно пропустить. После DC пользователи устанавливают пороговые значения fold-change и p-значения (по умолчанию отражают предыдущую работу dfPPI; например, FC > 1.0, номинальный p ≤ 0.25) для передачи кандидатов на обогащение. Доступны два движка обогащения: ранговый GSEA (на основе знаковой статистики) и сверхпредставление (гипергеометрический) через g:Profiler с коррекцией множественного тестирования. Для контекста, ориентированного на шаперон, конвейер также предоставляет интерактомный анализ обогащения (iEA), чтобы проверить, являются ли прямые интеракторы шапероновых скаффолдных белков чрезмерно представленными среди дифференциально вовлеченных белков. Сеть просматривает весовые узлы/ребра по размеру эффекта и/или статистическому обеспечению, что позволяет визуализировать скоординированное перепрограммирование, а не эффекты одного белка. Для пользователей, предпочитающих скриптовые рабочие процессы, базовый код R и файлы сеансов Cytoscape, используемые для построения сетевых карт и рисунков, находятся в открытом доступе (например, GitHub/Zenodo)38,39,40,41 с соответствующими публикациями 17,18,19,20 и могут быть запущены локально или адаптированы для новых наборов данных.
Разрешающий отсечка (изменение при сворачивании > 1,0; номинальное p ≤ 0,25) рекомендуется для сохранения сигналов состояния взаимодействия, вносимых аффинным обогащением. Затем мы переносим статистический контроль на уровень путей: белки-кандидаты тестируются на обогащение по курируемым онтологиям (например, GO, Reactome) с помощью g:Profiler, а p-значения пути, скорректированные с помощью множественного тестирования, определяют значимость и ранжирование. Этот дизайн отражает цель dfPPI — обнаруживать скоординированную перестройку сети, а не дифференциальную экспрессию одного белка — и позволяет избежать нормализации на уровне протеома, которая может скрыть сигналы обогащения в наборах данных. Как показано в предыдущих исследованиях dfPPI 17,20, более мягкие пороговые значения уровня белка дают стабильные, релевантные для заболевания сигналы пути, в то время как другие модели (например, линейные модели с эмпирическим уменьшением по Байесу) могут быть использованы, когда дисперсия или пакетные ковариаты требуют этого, не изменяя основной вывод, ориентированный на путь.
Аффинный захват неизбежно обогащает «липкие» белки (например, кератины, цитоскелетные белки, рибосомные белки), а ПУ-гранулы могут также захватывать общие шапероновые интеракторы. В dfPPI они не влияют на биологию по нескольким причинам. Во-первых, предварительная очистка и строгая промывка удаляют большинство неспецифических связующих. Во-вторых, универсальные связующие устройства, в том числе многие шапероновые интеракторы, демонстрируют изменения кратности около 1,0 в разных условиях и/или несогласованном обнаружении и, таким образом, не проходят скрининг FC/p-значений. В-третьих, обогащение путей основано на множествах и учитывает фон: значимость вычисляется относительно обнаруженного в эксперименте протеома и требует совместного изменения нескольких членов одного и того же пути. Случайные или высокораспространенные загрязнители распределены по многим терминам и поэтому не образуют когерентных, значимых для FDR обогащений. Ни один белок — загрязнитель или что-то еще — не может «сделать» сигнал о пути. В-четвертых, dfPPI интерпретирует когерентность на сетевом уровне, а не отдельные белки; Вызовы путей должны выдержать коррекцию множественных тестов (например, скорректированные p-значения g:Profiler), минимальные размеры набора генов и согласованность репликации. Вместе с согласованными преклирами инертных гранул и фильтрацией общих загрязнителей эта структура делает dfPPI устойчивым к фону: даже если присутствуют сотни неинформативных белков, они не изменяют ранжирование путей, потому что обогащение зависит от количества конкордантных белков внутри пути, а не от общей длины списка белков. Более того, все опубликованные на сегодняшний день исследования dfPPI подтверждают прогнозы на уровне путей и сетей с обширной экспериментальной валидацией (например, целевая биохимия, считывание сигналов, генетические или фармакологические возмущения)16,17,18,19,20, демонстрируя, что выходные данные dfPPI являются не просто зашумленными списками белков, а воспроизводимыми картами дисфункции сети ИПП, связанной с заболеванием.
Чтобы оценить функциональный ландшафт, захваченный набором данных dfPPI из рисунка 3D, мы выполнили анализ обогащения с помощью g:Profiler42 (рисунок 3E). Результаты демонстрируют надежный охват аннотаций по всем основным функциональным онтологиям, включая биологический процесс Gene Ontology (GO-BP), молекулярную функцию (GO-MF) и клеточный компонент (GO-CC), а также курируемые ресурсы путей, такие как Reactome, KEGG и WikiPathways. Этот репрезентативный анализ иллюстрирует ключевое преимущество подхода dfPPI: его способность выявлять биологически значимые ассоциации путей в различных типах аннотаций, даже из относительно небольших размеров выборки. Наблюдаемый здесь широкий охват Reactome, вероятно, отражает тот факт, что dfPPI основан на перестройке белковых сетей на уровне взаимодействия, которая напрямую отражается на многокомпонентных процессах и сигнальных каскадах, которые хорошо представлены в структуре Reactome. Поскольку dfPPI использует изменения в связности, а не экспрессию, он особенно хорошо подходит для обнаружения функциональных сдвигов на системном уровне, которые могут быть пропущены транскриптомикой или протеомикой, основанной только на изобилии. Этот вывод согласуется с другими работами, в которых Reactome последовательно получал наиболее когерентные и связанные с заболеванием обогащения из наборов белков, полученных из dfPPI: 14,15,16,17,18,20,21.
Реактом организован вокруг многобелковых процессов и комплексов (каскады передачи сигналов, модули клеточного цикла, метаболические сборки). Поскольку dfPPI обогащает взаимодействующие с эпихапером, то есть группы белков, которые функционально корекрутируются в больничные каркасы, его выход, естественно, содержит модули когезивных путей, а не изолированные попадания. Этот скоординированный захват дает широкое, высокозначимое покрытие Reactome по связанным подпутям и иерархиям. Напротив, омиксы, ориентированные на изобилие (транскриптомика; глобальная протеомика), сообщают об изменениях экспрессии, а не о состояниях взаимодействия; AP-MS для одной приманки или бесконтактная маркировка обеспечивают местные районы вокруг одной инженерной приманки за раз; и сшивка/совместное фракционирование часто обеспечивают разреженную связность. Ни один из них, сам по себе, обычно не создает контекстно-отобранные наборы системного уровня, которые dfPPI возвращает из одного эндогенного захвата в клетках или тканях. В результате происходит обогащение путей, которое является одновременно широким (загораются множественные ветви Reactome) и механистически когерентным (белки смещаются вместе, потому что их взаимодействия, а не только их количество, перестраиваются эпихаперомами). Тем не менее, мы отмечаем, что dfPPI является дополнением, а не заменой: каждый метод интерактомики имеет свои сильные стороны и ограничения, и оптимальный выбор (или комбинация) должен определяться биологическим вопросом, ограничениями выборки и требуемым разрешением.
В совокупности эти результаты подтверждают, что протокол дает воспроизводимые, биологически информативные наборы данных, которые могут быть использованы для выявления дифференциального интерактомного ремоделирования при заболеваниях или экспериментальных возмущениях. Выходные данные dfPPI хорошо подходят для интеграции с фреймворками обогащения путей и позволяют отображать события функциональной перестройки, которые не могут быть обнаружены стандартными методами, основанными на изобилии.

Рисунок 1: Обзор платформы dfPPI. (A) Платформа dfPPI (дисфункциональный белок-белковый интерактом) позволяет идентифицировать дисфункции сети ИПП, специфичные для конкретного заболевания, с помощью хемопротеомного рабочего процесса. Раздел 1 включает в себя подготовку образцов и интерактомный захват с использованием химических зондов, нацеленных на эпихапером, иммобилизованных на аффинных матрицах (например, PU-гранулах). В разделах 2 и 3 описаны два совместимых процесса разложения: на гранулах или в геле, за которыми следует ЖХ-МС/МС без меток для интерактомной идентификации. Вычислительный анализ, включая статистическое моделирование и обогащение путей, выполняется с использованием биоинформатического конвейера dfPPI, который не охвачен этим протоколом, но находится в свободном доступе по адресу https://epichaperomics.mskcc.org/. (B) Принцип dfPPI. В контекстах, связанных с заболеванием, эндогенные эпихаперомы образуют супрамолекулярные каркасы, которые реорганизуют сети ИПП. Эпихаперомные химические зонды (например, PU-шарики или их аналоги) захватывают эти каркасы вместе с их связанными интеракторами непосредственно из интактных клеток или из нативных лизатов, что приводит к многократному вытягиванию приманки в одном эксперименте. Согласованные элементы управления (например, контроль инертными шариками и/или конкуренция со свободным зондом) могут обрабатываться параллельно. Захваченный материал элюируется и расщепляется на бусине или в геле, анализируется с помощью LC-MS/MS, а белки количественно оцениваются (интенсивность или спектральные подсчеты MS/MS). Полученный интерактом используется для вычисления дифференциальных интеракторов в разных условиях и для выполнения обогащения пути/сети, выявляя контекстно-зависимую дисфункцию ИПП на системном уровне. Рабочий процесс не требует генетической маркировки или сверхэкспрессии, совместим как с клетками, так и с тканями, и масштабируется для когортных исследований. И наоборот, традиционная МС affinity-purification-MS сосредотачивается на одной помеченной приманке за раз, создавая локальное соседство для каждой конструкции и, как правило, требуя много конструкций/прогонов для отбора проб сети. В отличие от этого, dfPPI использует эндогенные эпихаперомы в качестве приманки, захватывая множество дисфункциональных ИПП одновременно из нативной системы, что ускоряет обнаружение перестройки сети, специфичной для конкретного заболевания, и обеспечивает считывание на уровне пути из одного захвата. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 2: Валидация партии PU-гранул и специфичность захвата. (A) Биологическая специфичность и согласованность от партии к партии. MDA-MB-468 (эпихапером-высокий) и ASPC1 (эпихапером-низкий) клетки лизировали в нативном буфере (20 мМ Трис, рН 7,4; 20 мМ KCl; 5 мМ MgCl2; 0,01% NP-40; ингибиторы протеазы/фосфатазы). Для каждого захвата 40 мкл суспензии из полиуретановых гранул инкубировали с 250 мкг общего белка (1 мкг/мкл) в течение 3 ч при 4 °C с вращением. Бусины промывались в родном буфере; комплексы денатурировали/элюировали в ~100 мкл буфера для проб SDS. 5-10 мкл каждого элюата растворяли с помощью SDS-PAGE и иммуноблоттингом для HSP90, HSC70 и HOP. Входные лизаты приведены для справки. Две партии PU-гранул (Партия 1, свежая; Batch 2, aged (состаренные) дают сильное обогащение в MDA-MB-468 и минимальный сигнал в ASPC1, демонстрируя сохраненную специфичность и постоянство партии. (B) Глобальные грузы в сравнении с контрольными бусинами. Лизаты MDA-MB-468 обрабатывали так, как показано на рисунке (А), либо с помощью ПУ-гранул, либо согласованных контрольных шариков. Загружали ~20 мкл каждого элюата, разделяли с помощью SDS-PAGE и окрашивали в Кумасси. Полиуретановые шарики восстанавливают сложный, высокомегаваттный груз, характерный для сборок, связанных с эпихапером, в то время как контрольные бусины имеют минимальный фон. Указываются молекулярно-весовые маркеры (кДа). Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 3: Репрезентативные результаты аффинного захвата dfPPI, интерактомной идентификации и биоинформатического анализа. (A) Окрашенный в Кумасси гель SDS-PAGE белков, элюированных из аффинных захватов PU-гранул связанных с эпихаперомом интерактомов из четырех репрезентативных образцов человеческого мозга (PT1-PT4). Связанные с гранулами белковые сборки денатурировали кипячением в буфере для образцов SDS, разрешали с помощью SDS-PAGE и окрашивали для оценки восстановления интерактома по молекулярным массам. Каждая проба загружалась в отдельную полосу с пустой полосой между пробами для минимизации перекрестного загрязнения; Слабый сигнал, иногда наблюдаемый в этих пустых дорожках, отражает незначительное распространение образца во время электрофореза. Эти гели являются репрезентативными для образцов, представленных в центр MS, где каждая полоса была разделена на пять срезов для расщепления в геле и идентификации белка с помощью MS. (B) Анализ главных компонент (PCA) идентифицированных интенсивностей белка из интерактивомов эпихаперома на бисере из восьми репрезентативных образцов мозга мышей (выполненных в двух экземплярах) показывает тесную кластеризацию технических реплик и четкое биологическое разделение вдоль PC1 и PC2. Это подтверждает высокую техническую воспроизводимость и достаточную биологическую вариативность для надежного анализа dfPPI. Структура данных демонстрирует, что различия на уровне взаимодействия, а не технические артефакты, стимулируют разделение образцов, обеспечивая прочную основу для последующего дифференциального интерактомного моделирования без необходимости искусственной нормализации. (C) Распределения коэффициента вариации (CV) для интенсивностей ионов-предшественников в восьми группах выборки показывают стабильно низкую дисперсию, со средними значениями CV в диапазоне от 9,7% до 11,9% (обозначены вертикальными пунктирными линиями). Эти низкие CV подчеркивают воспроизводимость и надежность конвейера обнаружения и количественной оценки MS. Согласованность поддерживает использование исходных значений интенсивности или значений MS/MS в качестве надежных входных данных для анализа dfPPI, где дисперсия в силе взаимодействия, а не глобальная экспрессия белка, является биологическим сигналом, представляющим интерес. (D) Иерархическая кластерная тепловая карта логарифмически2-преобразованных значений интенсивности белка по всем образцам (с отображением технических дубликатов). Образцы кластеризуются по биологическому происхождению, а не реплицируются, что подтверждает надежный захват связанных с эпихаперомом интерактом и сохранение биологически значимой изменчивости. Широкий динамический диапазон и последовательное обнаружение белков дополнительно поддерживают качество набора данных для анализа dfPPI. Масштабная линейка представляет логарифмически 2-преобразованные значения интенсивности белка в диапазоне от 2 (синий, низкая численность) до 14 (желтый, высокая распространенность). (E) Манхэттенский график анализа обогащения путей, выполненный на дифференциально взаимодействующих белках, идентифицированных с помощью dfPPI. Обогащение проводилось с помощью g:Profiler, а значимые члены были построены по формуле −log10 (p-значение), раскрашены по источнику аннотации: GO Molecular Function (GO:MF), GO Biological Process (GO:BP), GO Cellular Component (GO:CC), KEGG, Reactome, WikiPathways и Human Phenotype Ontology (HP). Этот результат представляет собой основную полезность dfPPI: выявление биологически значимых функциональных путей, нарушенных в результате интерактомного ремоделирования, вызванного эпихаперомом. Широкий охват аннотаций подчеркивает понимание системного уровня, достижимое с помощью этого подхода. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.
| Метод | Что он фиксирует | Основные сильные стороны | Ключевые ограничения | Типичное использование | Масштабируемость (когорты) |
| AP-MS (аффинити-очистка – MS) | Прямые/почти прямые взаимодействия одной приманки | Высокая специфичность; количественный; Хорошо подходит для сложной композиции | Требуется приманка/бирка/антитела; одна приманка за раз; может пропустить переходные/слабые | Определение партнеров интересующего белка | Низкий–умеренный (требуется много приманок) |
| Бесконтактное мечение (например, варианты BioID/APEX) | Белки в наноразмерной окрестности приманки с течением времени | Захватывает переходных/слабых соседей; работает в живых клетках | Генная инженерия; нецелевая маркировка; с большим количеством параметров | Карты местных районов; динамика | Низкий–умеренный (инженерия на приманку) |
| XL-MS (сшивающий MS) | Пространственная близость/контакты внутри/между белками | Структурные ограничения; Захват переходных контактов | Комплексный анализ; меньшая ширина протеома; Специфичный для конкретного образца | Структурная/контекстуальная топология | Низкий (специализированный) |
| Совместное фракционирование/МС (КФ-МС) | Коэлюирование нативных сборок | Отсутствие тегов; Нативные сборки | Трудоемкость; комплексный вывод; ограниченная чувствительность | Глобальный сложный ландшафт | Умеренный |
| CETSA/TPP | Профили костабильности/коагрегации | Без этикеток; Естественные условия | Косвенный для ИЦП; Ограничения по растворимости | Целевое вовлечение; Тепловые сдвиги | Умеренный |
| dfPPI (эпихаперомика) | Перепрограммирование взаимодействий на сетевом уровне, захваченное эндогенными эпихаперомами в качестве мультиплексных приманок | Эндогенный; отсутствие тегов; один захват допрашивает тысячи дисфункциональных ИПП; считывание путей/сети; тканесовместимость; Совместимость с когортами | Применимо только к контексту заболевания; специализированные щупы (PU-шарики, YK5-B); Не предназначено для общего обнаружения сложных | Ремоделирование интерактома в зависимости от заболевания, приоритизация путей развития, генерация гипотез | Высокий (возможны сотни образцов) |
Таблица 1: Сравнение подходов к картированию PPI и dfPPI. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.
Дополнительный файл 1: Полные настройки параметров Spectronaut. Пожалуйста, нажмите здесь, чтобы загрузить этот файл.