Nature | 我国科学家开发融合蛋白质图像和相互作用的细胞多尺度结构模型

细胞是跨越了至少四个数量级的、复杂而精妙的模块化系统【1】。对细胞内模块化系统的刻画主要有两种方式，一是蛋白质荧光成像，一是蛋白质生物物理特性，这两种方面的技术可以产生大量的数据，但是这两种方式所产生的数据库具有不同的质量和分辨率，通常需要分别进行处理。那如何将两种方式的优点进行同时整合呢？

近日，美国加州大学圣地亚哥分校Trey Ideker研究组（第一作者为博士生秦越）与瑞典皇家理工学院以及斯坦福大学Emma Lundberg研究组合作发文题为A multi-scale map of cell structure fusing protein images and interactions，将来自于人类蛋白质图谱（Human Protein Atlas）【2】的免疫荧光图像与BioPlex数据库【3】中亲和纯化结果进行整合，构建了多维度细胞整合图谱MuSIC1.0（Multi-scale integrated cell），对人类细胞中的结构层次进行了统一化的分析，从而解析出69个亚细胞系统，为整合各种各样不同类型的数据来创建全蛋白细胞模型铺平了道路。

真核细胞由多种大的组分组成，比如细胞器、凝聚体或者蛋白质复合体，从而形成一个多维度的结构。人类蛋白图谱系统性地对人类细胞中蛋白质在亚细胞结构中定位进行了全面解析，与此同时质谱与亲和纯化（Mass spectrometry combined with affinity purification， AP-MS）技术将临近标记引入蛋白质组学探究之中，从而能够快速检测蛋白和蛋白之间的相互作用。因此，如果能将蛋白质成像与生物物理之间的关联结合起来，便可以对细胞结果进行更进一步地解析。为此，作者们构建了一种机器学习方法，可以将蛋白质成像与生物物理特性进行关联和集成，从而构建一个亚细胞结构组成组分的统一图谱。

图1 蛋白质成像与AP-MS数据库整合策略

首先，作者们使用深度神经网络（Deep neural network，DNN）对蛋白质图像与相互作用数据进行整合，确定每个平台中蛋白质的坐标，对蛋白质之间的距离进行校准和组合，从而确认在不同维度下蛋白质复合体的组装方式（图1）。这两个全方位的数据库均来自HEK293细胞。作者们对蛋白质配对之间的相互作用距离进行检测，举例来说，来自蛋白质复合体中的蛋白之间相互作用距离少于20nm，而细胞器中的蛋白质之间距离可能会超过1μm。作者们分析了661个蛋白质之间的所有距离，以识别相互接近的蛋白质组分。随着距离的变化，能够产生一个蛋白质多维度结构层次图谱（图2）。由此，作者们发现所构建的MuSIC系统能够以很广的范围对生物系统内的蛋白质相互作用进行测量和捕捉。

图2 结构层次图谱建立和检测的流程

在建立起该整合图谱后，作者们希望对MuSIC系统进行一个全局性的评估。MuSIC图谱中有370个蛋白以前未在AP-MS实验中用于亲和标记进行相互作用因子的钓取。因此，作者们对134个猎物蛋白进行标记进行AP-MS实验，从而检测到339个相互作用配对，进而对该整合图谱的准确性进行了全面的验证。在MuSIC发现的全新的亚细胞系统中，有一个由七个蛋白质复合体组成的直径估计为81nm的系统，作者们将此系统命名为前体核糖体RNA加工组装复合体（Pre-ribosomal RNA processing assembly，PRRPA）。为了对PRRPA复合体在前体rRNA加工中的作用进行确认，作者们使用siRNA对每个蛋白进行了敲降，发现所有的敲降都会一定程度上破坏核糖体RNA的成熟。另外，作者们使用RNA免疫共沉淀定量qPCR对这些蛋白结合45S前体rRNA的能力进行检测，再次证明了这些蛋白质在前体rRNA加工过程中的作用。同时作者们发现所建立的MuSIC系统也可以对一些蛋白质的功能进行更为全面的认识，包括发现已知蛋白的全新功能和未知蛋白的潜在功能。

总的来说，该工作通过汲取蛋白质荧光成像与蛋白质生物物理特性两方面之长构建了多尺度细胞整合图谱MuSIC 1.0，进一步地提高了现有蛋白质荧光图像中信息的分辨率，也为蛋白质相互作用提供了空间维度的信息，为人类细胞中蛋白质组研究提供了更为全面的认识。

原文链接：

https://doi.org/10.1038/s41586-021-04115-9