Protein Co-Regulation Map Will Offer Better Insights on Uncharacterized Protein Functions. / La mappa di coregolamentazione delle proteine offrirà migliori approfondimenti sulle funzioni delle proteine non caratterizzate.

Protein Co-Regulation Map Will Offer Better Insights on Uncharacterized Protein Functions.  The process of the ENEA RM2012A000637 patent is very useful in this application. / La mappa di coregolamentazione delle proteine offrirà migliori approfondimenti sulle funzioni delle proteine non caratterizzate. Il procedimento del brevetto ENEA RM2012A000637 è molto utile in questa applicazione.

Segnalato dal Dott. Giuseppe Cotellessa /  Reported by Dr. Giuseppe Cotellessa

Co-regulation map shows associations between human proteins. /   La mappa di coregolamentazione mostra le associazioni tra proteine umane. [Michael Schrader - University of Exeter]

Scientists reported (“Co-regulation map of the human proteome enables identification of protein functions”) in Nature Biotechnology that they have produced a co-regulation map of the human proteome, which was able to capture relationships between proteins that do not physically interact or co-localize. This will enable the prediction and assignment of functions to uncharacterized human proteins, according to the researchers. The co-regulation map can be explored at www.proteomeHD.net.

Many of the functions of human proteins are still unknown, but researchers at the Wellcome Centre for Cell Biology, University of Edinburgh, and the Institute of Biotechnology, Technische Universität (TU) Berlin have applied large-scale quantitative proteomics and machine-learning to produce a protein covariation dataset of the human proteome. The dataset forms the basis of a co-regulation map which can be used to predict the potential function of uncharacterized human proteins.

“Assigning functions to the vast array of proteins present in eukaryotic cells remains challenging. To identify relationships between proteins, and thereby enable functional annotation of proteins, we determined changes in abundance of 10,323 human proteins in response to 294 biological perturbations using isotope-labeling mass spectrometry. We applied the machine learning algorithm treeClust to reveal functional associations between co-regulated human proteins from ProteomeHD, a compilation of our own data and datasets from the Proteomics Identifications database,” the investigators wrote.

“This produced a co-regulation map of the human proteome. Co-regulation was able to capture relationships between proteins that do not physically interact or colocalize. For example, co-regulation of the peroxisomal membrane protein PEX11β with mitochondrial respiration factors led us to discover an organelle interface between peroxisomes and mitochondria in mammalian cells. We also predicted the functions of microproteins that are difficult to study with traditional methods.”

“In this study, we took thousands of mass spectrometry experiments that other laboratories had published over the past few years and re-purposed them in a way that was completely unrelated to what the original authors had intended. We used a machine-learning algorithm to mine this huge collection of data and managed to assign a biological function to hundreds of proteins (genes) that were previously uncharacterized,” said Juri Rappsilber, PhD, Wellcome senior research fellow, professor of proteomics at the University of Edinburgh, and professor of bioanalytics at Tu Berlin, and Georg Kustatscher, PhD, a postdoctoral researcher at the Wellcome Trust Centre for Cell Biology.

Exploring the map revealed unexpected co-regulation partners, namely the peroxisomal membrane protein PEX11β with mitochondrial respiration factors. In cooperation with Michael Schrader, PhD, and his team at the University of Exeter, this led to the identification of a novel interaction between two crucial cellular organelles (mitochondria and peroxisomes).

“Peroxisomes and mitochondria in mammals are intimately linked and cooperate in the breakdown of fatty acids and cellular energy balance. Using live cell imaging we revealed that PEX11β mediates the formation of membrane protrusions, which emanate from peroxisomes and interact with mitochondria. They likely function in the metabolic cooperation and crosstalk between both organelles and may facilitate transfer of metabolites during mitochondrial energy (ATP) production,” said Schrader.

The scientists at the University of Edinburgh created the co-regulation map to allow users to search for a protein of interest, showing its position in the co-regulation map together with any co-regulation partners. They say the map is interactive and zoomable, making it easy to explore the neighborhood of a query protein. It is designed to support researchers in exploring co-regulation data at multiple scales, to validate existing hypotheses or to create new ones.

“With an ever increasing amount of protein expression data being made available, protein co-expression analysis has huge potential for gene function annotation. In a time when `big data’ becomes more and more relevant for life science, a key lesson we learned from this project is: never throw away your data—they can be re-purposed, recycled, and with the right tools there is plenty more information and knowledge that can be extracted from them,” noted Kustatscher.

ITALIANO

Gli scienziati hanno riferito ("Mappa di coregolamentazione del proteoma umano consente l'identificazione delle funzioni proteiche") in Nature Biotechnology di aver prodotto una mappa di coregolamentazione del proteoma umano, che è stata in grado di catturare relazioni tra proteine ​​che non interagiscono fisicamente o co-localizzare. Ciò consentirà la previsione e l'assegnazione di funzioni a proteine ​​umane non caratterizzate, secondo i ricercatori. La mappa della coregolamentazione può essere esplorata su www.proteomeHD.net.

Molte delle funzioni delle proteine ​​umane sono ancora sconosciute, ma i ricercatori del Wellcome Center for Cell Biology, Università di Edimburgo e dell'Institute of Biotechnology, Technische Universität (TU) di Berlino hanno applicato la proteomica quantitativa su larga scala e l'apprendimento automatico per produrre un set di dati di covariazione proteica del proteoma umano. Il set di dati costituisce la base di una mappa di coregolamentazione che può essere utilizzata per prevedere la potenziale funzione di proteine ​​umane non caratterizzate.

“L'assegnazione delle funzioni alla vasta gamma di proteine ​​presenti nelle cellule eucariotiche rimane impegnativa. Per identificare le relazioni tra le proteine ​​e quindi abilitare l'annotazione funzionale delle proteine, abbiamo determinato i cambiamenti nell'abbondanza di 10.323 proteine ​​umane in risposta a 294 perturbazioni biologiche usando la spettrometria di massa con marcatura isotopica. Abbiamo applicato l'algoritmo treeClust di machine learning per rivelare le associazioni funzionali tra proteine ​​umane co-regolate da ProteomeHD, una raccolta dei nostri dati e set di dati dal database delle identificazioni di Proteomics ”, hanno scritto gli investigatori.

“Ciò ha prodotto una mappa di coregolamentazione del proteoma umano. La coregolamentazione è stata in grado di catturare relazioni tra proteine ​​che non interagiscono o colocalizzano fisicamente. Ad esempio, la coregolamentazione della proteina della membrana perossisomiale PEX11β con i fattori di respirazione mitocondriale ci ha portato a scoprire un'interfaccia organello tra perossisomi e mitocondri nelle cellule di mammiferi. Abbiamo anche previsto le funzioni delle microproteine ​​che sono difficili da studiare con metodi tradizionali ".

“In questo studio, abbiamo svolto migliaia di esperimenti di spettrometria di massa che altri laboratori avevano pubblicato negli ultimi anni e li riproponevamo in un modo completamente estraneo a ciò che gli autori originali avevano inteso. Abbiamo utilizzato un algoritmo di apprendimento automatico per estrarre questa enorme raccolta di dati e siamo riusciti ad assegnare una funzione biologica a centinaia di proteine ​​(geni) che erano in precedenza non caratterizzate ", ha affermato Juri Rappsilber, PhD, ricercatore senior Wellcome, professore di proteomica presso Università di Edimburgo e professore di bioanalisi a Tu Berlin, e Georg Kustatscher, PhD, ricercatore post dottorato presso il Wellcome Trust Center for Cell Biology.

L'esplorazione della mappa ha rivelato partner di co-regolazione inattesi, vale a dire la proteina della membrana perossisomiale PEX11β con fattori di respirazione mitocondriale. In collaborazione con Michael Schrader, PhD e il suo gruppo presso l'Università di Exeter, ciò ha portato all'identificazione di una nuova interazione tra due organelli cellulari cruciali (mitocondri e perossisomi).

“I perossisomi e i mitocondri nei mammiferi sono intimamente collegati e cooperano alla scomposizione degli acidi grassi e al bilancio energetico cellulare. Usando l'imaging cellulare vivo abbiamo rivelato che PEX11β media la formazione di sporgenze di membrana, che emanano dai perossisomi e interagiscono con i mitocondri. Probabilmente funzionano nella cooperazione metabolica e dialogano tra i due organelli e possono facilitare il trasferimento dei metaboliti durante la produzione di energia mitocondriale (ATP) ", ha affermato Schrader.

Gli scienziati dell'Università di Edimburgo hanno creato la mappa di coregolamentazione per consentire agli utenti di cercare una proteina di interesse, mostrando la sua posizione nella mappa di coregolamentazione insieme a tutti i partner di coregolamentazione. Dicono che la mappa sia interattiva e zoomabile, facilitando l'esplorazione del vicinato di una proteina di query. È progettato per supportare i ricercatori nell'esplorazione dei dati di coregolamentazione su più scale, per convalidare le ipotesi esistenti o per crearne di nuove.

“Con una quantità sempre crescente di dati sull'espressione proteica resi disponibili, l'analisi della co-espressione proteica ha un enorme potenziale per l'annotazione della funzione genica. In un momento in cui i "big data" diventano sempre più rilevanti per le scienze della vita, una lezione chiave che abbiamo imparato da questo progetto è: non gettare mai i tuoi dati: possono essere riutilizzati, riciclati e con gli strumenti giusti ce ne sono molte di ulteriori informazioni e conoscenze che possono essere estratte da esse ", ha osservato Kustatscher.

Da:

https://www.genengnews.com/topics/omics/protein-co-regulation-map-will-offer-better-insights-on-uncharacterized-protein-functions/?oly_enc_id=2237J3762301I6G