Approche comparative caractérisent le paysage des interactions hôte-pathogène protéine-protéine
Summary
Cet article se concentre sur l'identification des ensembles de données d'interaction de haut confiantes entre l'hôte et les protéines pathogènes en utilisant une combinaison des deux méthodes orthogonales: deux hybrides de levure suivie d'un test d'interaction à haut débit dans les cellules de mammifères appelé HT-ACPG.
Abstract
Des efforts importants ont été recueillies pour produire des cartes réseau interactions à grande échelle globale protéine-protéine. Cela est essentiel à comprendre les relations pathogène-hôte et a été essentiellement réalisée par des projections génétiques dans la levure de systèmes à deux hybrides. La récente amélioration de la détection des interactions protéine-protéine par un test de complémentation de fragment luciférase basé Gaussia offre maintenant la possibilité de développer des approches interactomic comparatives d'intégration nécessaires pour comparer rigoureusement les profils d'interaction des protéines de différentes variantes de la souche pathogène contre un ensemble commun de facteurs cellulaires.
Ce document se concentre spécifiquement sur l'utilité de la combinaison de deux méthodes orthogonaux pour générer des ensembles de données d'interaction protéine-protéine: deux hybrides de levure (Y2H) et un nouveau test, test à haut débit Gaussia princeps protéines complémentation (HT-ACPG) réalisée dans les cellules de mammifères.
nt "> Une identification à grande échelle des partenaires cellulaires d'une protéine pathogène est effectuée par base de levure accouplement projections de deux hybrides de banques d'ADNc en utilisant de multiples variantes de souches de pathogènes. Un sous-ensemble de partenaires d'interaction sélectionnés sur un score de haute fiabilité statistique est plus validé dans les cellules de mammifères pour les interactions par paire avec l'ensemble des agents pathogènes les protéines variantes utilisant HT-ACPG. Cette combinaison de deux méthodes complémentaires améliore la robustesse de l'ensemble de données d'interaction, et permet l'exécution d'une analyse de l'interaction comparatifs rigoureux. Ces interactomique comparatifs constituer une stratégie fiable et puissant pour décrypter toute les imbrications pathogène-hôte.Introduction
La quantité croissante de données recueillies pour produire des cartes d'interaction protéine-protéine ouvre des perspectives pour mieux comprendre les infections pathogènes. Comme compréhension globale des infections pathogènes commence à émerger, il donne accès à la gamme des perturbations induites par les protéines pathogènes lors de la connexion du protéome humain 1. Il offre ainsi un moyen de comprendre comment les agents pathogènes manipuler la machinerie de la cellule hôte. En particulier, la cartographie de plusieurs réseaux d'interactions virus-hôte a révélé que les protéines virales cibler préférentiellement les protéines hôtes qui sont fortement connectés dans le réseau cellulaire (hubs), ou qui sont au cœur de nombreux chemins dans un réseau (protéines goulets d'étranglement) 2-4. Ces interactions permettent virus de manipuler les processus cellulaires importants, ce qui est essentiel à reproduire et produire une descendance infectieuse. Interactions cartographie comparée ont été récemment menées sur des virus apparentés dans le but d'extraire des informations relatives àpathogenèse 4. En outre, des études sur la relation hôte-pathogènes interactions paysage ont été étendues à de nombreux agents pathogènes 5. L'identification des facteurs de cellule ciblée donne un aperçu des stratégies utilisées par les agents pathogènes pour infecter les cellules et permet la détection de marqueurs potentiels pathogènes.
Le système double-hybride en levure est la méthode la plus populaire pour identifier les interactions binaires depuis le dépistage génétique est un outil efficace et sensible pour la cartographie à haut débit des interactions protéine-protéine. L'approche proposée ici améliore encore des projections de Y2H individuelles en évaluant une protéine de multiples variantes de souches de pathogènes, offrant ainsi l'accès à une vue d'ensemble comparative des interactions protéine-protéine pathogène-hôte. En outre, une limitation majeure de la levure dépistage double-hybride réside dans un taux de faux négatifs élevés, car il récupère environ 20% du total des interactions 6. Cela implique que les interactions détectées avec seulement un sous-ensemble de pathoGens variantes auraient échappé à la détection avec les autres. Par conséquent, chacun des partenaires issus de toutes les projections de deux hybrides sont rendues encore plus difficiles pour l'interaction avec la gamme complète des souches étudiées, en fournissant des ensembles de données d'interaction comparatifs. Comme il a été démontré que la combinaison de différentes méthodes augmente fortement la robustesse des ensembles de données d'interaction protéine-protéine 7, cette validation est effectuée dans des cellules de mammifères par un essai de complémentation protéique fragment nouvellement développé appelé HT-ACPG 8. Ce système à base de cellules permet la détection des interactions protéine par complémentation de la Gaussia princeps divisé luciférase et a été conçu pour être compatible avec un format à haut débit. Merci à sa technologie luminescence basée et son faible bruit de fond par rapport à d'autres test basé sur la fluorescence, HT-ACPG montre une grande sensibilité frappante.
Dans l'ensemble, cette approche constitue un moyen efficaceoutil pour générer une cartographie complète des imbrications hôte-pathogène, ce qui représente la première étape vers une compréhension globale de la cellule hôte détournement.
Protocol
Representative Results
Discussion
Indépendamment, la levure deux essais d'interaction hybrides et les mammifères, comme la TPS déroulant, LUMIER ou MAPPIT, se sont avérés être des outils efficaces pour détecter les interactions protéine-protéine, mais sont limitées par le taux élevé de faux positifs et de faux négatifs interactions associés à ces techniques 15. En outre, les preuves sont de plus en plus que la combinaison de méthodes orthogonales augmente la fiabilité de l'ensemble de données d'interaction obtenu…
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
Ce travail a été financé en partie par des fonds de l'Institut Pasteur et par des subventions de la Ligue Nationale contre le Cancer (subventions R05/75-129 et RS07/75-75), l'Association pour la Recherche sur le Cancer (ARC subventions A09 / 1/5031 et 4867), et l'Agence Nationale de la Recherche (ANR07 MIME 009 02 et 026 01 ANR09 MIEN). MM a été récipiendaire d'une bourse MENRT.
Materials
| Name of Reagent/Material | Company | Catalog Number | Comments |
| Yeast strains | Clontech | ||
| Minimal SD base | US biological | D9500 | |
| Amino acids | Sigma | ||
| 3-amino-1,2,4-Triazole (3-AT) | Acros organics | 264571000 | |
| Zymolase | Seikagaku | 120491 | |
| DMEM | Gibco-Life Technologies | 31966 | |
| Fetal bovine serum | BioWest | S1810 | |
| Phosphate buffer Saline (PBS) | Gibco-Life Technologies | 14190 | |
| Penicillin-Streptomycin | Gibco-Life Technologies | 15140 | |
| Trypsin-EDTA | Gibco-Life Technologies | 25300 | |
| Renilla luciferase assay | Promega | E2820 | |
| White culture plate | Greiner Bio-One | 655083 | |
| 96-wellPCR plates | 4titude | 4t-i0730/C | |
| Incubator (30 °C) | Memmert | ||
| Incubator (37 °C) | Heraeus | ||
| Luminometer | Berthold | Centro XS-LB 960 |
Referenzen
- Davey, N. E., Trave, G., Gibson, T. J. How viruses hijack cell regulation. Trends in Biochemical Sciences. 36, 159-169 (2011).
- Calderwood, M. A. Epstein-Barr virus and virus human protein interaction maps. Proc. Natl. Acad. Sci. U.S.A. 104, 7606-7611 (2007).
- de Chassey, B., et al. Hepatitis C virus infection protein network. Mol. Syst. Biol. 4, 230 (2008).
- Simonis, N., et al. Host-pathogen interactome mapping for HTLV-1 and -2 retroviruses. Retrovirology. 9, 26 (2012).
- Dyer, M. D., Murali, T. M., Sobral, B. W. The landscape of human proteins interacting with viruses and other pathogens. PLoS Pathog. 4, e32 (2008).
- Rual, J. F., et al. Towards a proteome-scale map of the human protein-protein interaction network. Nature. 437, 1173-1178 (2005).
- Venkatesan, K., et al. An empirical framework for binary interactome mapping. Nat. Methods. 6, 83-90 (2009).
- Cassonnet, P., et al. Benchmarking a luciferase complementation assay for detecting protein complexes. Nat. Methods. 8, 990-992 (2011).
- Ito, T., et al. A comprehensive two-hybrid analysis to explore the yeast protein interactome. Proc. Natl. Acad. Sci. U.S.A. 98, 4569-4574 (2001).
- Saldanha, A. J. Java Treeview–extensible visualization of microarray data. Bioinformatics. 20, 3246-3248 (2004).
- Smoot, M. E., Ono, K., Ruscheinski, J., Wang, P. L., Ideker, T. Cytoscape 2.8: new features for data integration and network visualization. Bioinformatics. 27, 431-432 (2011).
- Huang da, W., Sherman, B. T., Lempicki, R. A. Systematic and integrative analysis of large gene lists using DAVID bioinformatics resources. Nat. Protoc. 4, 44-57 (2009).
- Muller, M., et al. Large scale genotype comparison of human papillomavirus E2-host interaction networks provides new insights for e2 molecular functions. PLoS Pathog. 8, e1002761 (2012).
- Neveu, G., et al. Comparative analysis of virus-host interactomes with a mammalian high-throughput protein complementation assay based on Gaussia princeps luciferase. Methods. , (2012).
- Braun, P., et al. An experimentally derived confidence score for binary protein-protein interactions. Nat. Methods. 6, 91-97 (2009).
