Les interactions protéine-protéine sont au cœur de toutes les fonctions cellulaires et processus biologiques. Ces interactions sont soigneusement régulées dans l'espace et dans le temps pour répondre aux besoins de la cellule et sont souvent perturbées dans les états pathologiques.

Une étude internationale dirigée par Chris Soon Heng Tan à l'Institut de biologie moléculaire et cellulaire A*STAR (IMCB) décrit une nouvelle technique qui utilise de puissantes analyses de données pour déduire la dynamique d'interaction protéine-protéine à partir du comportement de fusion des complexes protéiques à l'intérieur des cellules.

Des méthodes pour capturer des instantanés de réseaux d'interaction protéine-protéine dans les cellules ont déjà été décrites, mais comme Tan l'explique, "jusqu'à présent, il n'y avait aucun moyen de surveiller la dynamique de ces complexes protéiques à haut débit et de manière non ciblée".

L'exposition des protéines à une température croissante les fait précipiter hors de la solution. La coagrégation de proximité thermique (TPCA) est basée sur l'idée que les protéines qui font partie d'un complexe protéique stable vont coprécipiter, en raison de la proximité, et ont un profil de précipitation similaire à différentes températures (ou courbe de fusion).

En isolement, différentes protéines sont susceptibles d'avoir des courbes de fusion différentes, mais l'équipe a montré que dans plus de 350 complexes protéiques humains bien caractérisés, les courbes de fusion des protéines en interaction sont statistiquement similaires. Ainsi, en quantifiant la similarité entre les courbes de fusion, la méthode TPCA peut être utilisée pour déterminer quelles protéines sont susceptibles d'interagir les unes avec les autres et de former des complexes stables dans différents échantillons.

"Nous avons été assez surpris que les signatures TPCA soient si fortes et détectables, " admet Tan. On a constaté que les signatures TPCA étaient en corrélation avec la quantité d'interaction entre deux protéines. En conséquence, ils montrent que certains complexes modifient leurs courbes de fusion en fonction du type cellulaire ou du stade du cycle cellulaire, suggérant que le TPCA pourrait être utilisé pour identifier les changements dans les interactions protéiques dans différentes conditions.

En expliquant les avantages du TPCA, Tan dit que par rapport aux méthodes actuelles, TPCA ne repose pas sur la disponibilité de réactifs d'affinité appropriés, comme les anticorps, il ne nécessite pas non plus de génie génétique. Cela lui permet d'être appliqué aux tissus et aux échantillons cliniques pour identifier les complexes protéiques qui entraînent la progression de la maladie et qui pourraient servir de marqueurs pronostiques potentiels ou de cibles thérapeutiques.

L'équipe utilise déjà la technique pour étudier les effets moléculaires des médicaments et des produits chimiques de synthèse, et prévoit d'étendre la technique pour étudier la progression de certaines maladies humaines.