slide1 l.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR PowerPoint Presentation
Download Presentation
INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR

Loading in 2 Seconds...

play fullscreen
1 / 34

INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR - PowerPoint PPT Presentation


  • 224 Views
  • Uploaded on

Réunion Satellite JOBIM, Lyon, Juillet 2005. INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR. Christine Brun, LGPD, Marseille. Une protéine n’agit jamais seule… …mais interagit avec d’autres afin d’assurer sa fonction. LA DIVERSITE DES INTERACTIONS P-P

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR' - Mercy


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Réunion Satellite JOBIM, Lyon, Juillet 2005

INTERACTIONS PROTEINE-PROTEINE :

DU PRODUCTEUR AU CONSOMMATEUR

Christine Brun, LGPD, Marseille

slide2

Une protéine n’agit jamais seule…

…mais interagit avec d’autres afin d’assurer sa fonction.

slide3

LA DIVERSITE DES INTERACTIONS P-P

d'après Nooren & Thornton

1- Diversité Structurale

  • L’interaction a lieu entre homo- ou hétéro-oligomères

chaînes identiques

chaînes différentes

  • L’association est isologue ou hétérologue :
  • les surfaces de contact sont identiques (homo-oligomères)
  • les surfaces de contact sont différentes (homo-/hétéro-oligomères)
slide4

IPP obligatoire :

    • Les protéines ne sont pas stables indépendamment.
    • Les protéines ne sont pas fonctionnelles indépendamment.
    • L'interaction est nécessaire à la stabilité et à la fonction.
    • Ex: gros complexes protéiques (ADN polymérase, ARN polymerase, ribosome…)
  • IPP non-obligatoire :
    • Les protéines sont stables indépendamment.
    • Les protéines sont fonctionnelles indépendamment.
    • L’interaction est responsable d’une action.
    • Ex: complexes antigène-anticorps, enzyme-inhibiteur, complexes de signalisation intracellulaire…

LA DIVERSITE DES INTERACTIONS P-P

d'après Nooren & Thornton

2- DiversitéFonctionnelle

slide5

LA DIVERSITE DES INTERACTIONS P-P

d'après Nooren & Thornton

3- DiversitéDynamique

  • IPP permanente :
    • N'existe qu'au sein d'un complexe.
    • Les IPP obligatoires sont généralement permanentes.
  • IPP transitoire :
    • S'associe et se dissocie in vivo.
    • Les IPP non-obligatoires peuvent être transitoires ou permanentes.
slide6

LES GRANDS RESEAUX D'INTERACTIONS

Graphe non orienté, Nœud = protéine, Arête = interaction physique

slide7

Comment identifier les interactions protéine-protéine à l'échelle du protéome entier?

  • Deux méthodes automatisées:
  • le double-hybride dans la levure
  • - le TAP-tag (tandem affinity purification)
slide8

ARN messager

ARN messager

Facteur de transcription

Facteur de transcription

ARN messager

ARN messager

ARN messager

DA

DA

ARN messager

ARN messager

ARN messager

DF

DF

LA MODULARITE DES FACTEURS DE TRANSCRIPTION,

comme principe élémentaire du double hybride dans la levure

Gène

Site de fixation pour le facteur de transcription

Facteur de transcription:

Domaine de fixation à l'ADN DF

+

Domaine d'activation de la transcription DA, capable d'activer la machinerie basale de transcription

slide9

DA

Proie Y

Gène rapporteur

AppâtX

DF

LE DOUBLE-HYBRIDE DANS LA LEVURE,

le test

  • La protéine appât (dont on veut identifier les interacteurs) est fusionnée au domaine de fixation à l'ADN DF d'un facteur de transcription.
  • Les protéines proies (interacteurs potentiels) sont fusionnées au domaine d'activation de la machinerie basale de transcription DA d'un facteur de transcription.
  • Les protéines fusions sont exprimées dans des cellules de levure contenant un gène rapporteur dont l'expression est placée sous le contrôle du site de fixation pour le domaine de fixation à l'ADN DF.
slide10

ARN rapporteur

ARN rapporteur

DA

DA

ARN rapporteur

Proie Y

Proie Y

ARN rapporteur

ARN rapporteur

ARN rapporteur

ARN rapporteur

ARN rapporteur

Gène rapporteur

AppâtX

DF

LE DOUBLE-HYBRIDE DANS LA LEVURE,

le test

  • Lorsque la protéine proie Y est capable d'interagir avec la protéine appât X, le domaine d'activation se retrouve à proximité du promoteur du gène rapporteur et la transcription a lieu.
slide11

ARN rapporteur

ARN rapporteur

DA

ARN rapporteur

ARN rapporteur

ARN rapporteur

Proie Y

ARN rapporteur

ARN rapporteur

ARN rapporteur

Gène rapporteur

Appât X

DF

Appât X

DF

Appât C

DF

Appât A

DF

Appât B

DF

La proie collante

(interagit avec un très grand nombre d'appâts)

L'appât auto-activateur

(activation de la transcription en absence d'interacteur)

QUELLES INTERACTIONS SONT IDENTIFIEES PAR UN CRIBLE DOUBLE HYBRIDE ?

  • Interactions permanentes
  • Interactions transitoires dont les interactions enzyme-substrat (ex: 10 à 40 % des interactions kinase-substrat).
  • Interactions qui n'existent pas physiologiquement
  •  Faux-positifs
slide12

QUELLES INTERACTIONS NE SONT PAS IDENTIFIEES PAR UN CRIBLE DOUBLE HYBRIDE ?

- Les interactions impliquant des protéines qui présentent des problèmes:

- structuraux (repliement)

- stabilité

- toxicité

- mauvaise localisation (protéines membranaires)

- modification post-traductionnelle

  • Estimation: 80 à 90 % des interactions sensées exister, n'auraient pas été détectées  Faux-négatifs

 évolution des méthodes de double-hybrides pour palier à ces problèmes.

slide13

PRINCIPAUX CRIBLES DOUBLE-HYBRIDE A GRANDE ECHELLE

Helicobacter pylori 1524 Rain et al.*

Saccharomyces cerevisiae 840 Uetz et al.*

4500 Ito et al.

Caenorhabditis elegans 4000 Li et al.

Drosophila melanogaster 2060 Formstecher et al.*

20500 Giot et al.*

1800Stanyon et al.*

slide14

(51/2787=1.8%)

(20/885=2.3%)

951 interactions extraites de la littérature

(9/605=1.5%)

COMPARAISON DES RESULTATS DES

3 CRIBLES DOUBLE-HYBRIDE DROSOPHILE

Giot et al.

Science 2003

Formstecher et al.

Genome Res 2005

Stanyon et al. Genome Biol 2004

  • Peu de recouvrement entre expériences
  • Peu de recouvrement avec la littérature, mais des recouvrements du même ordre quelle que soit l'expérience
  • Meilleur recouvrement entre expériences et littérature qu'entre expériences
slide15

COMPARAISON DES RESULTATS DE

2 CRIBLES DOUBLE-HYBRIDE DROSOPHILE

SUR 30 APPATS IDENTIQUES

Giot et al.

Science 2003

Formstecher et al.

Genome Res 2005

192

23

638

  • Le 'faible' recouvrement est dû aux méthodologies employées:
  • Giot et al.  protéines entières
  • Formstecher et al.  fragments de protéines
  • Les résultats des deux approches sont complémentaires.
slide16

LES SCORES DE CONFIANCE

Probabilités basées sur des prédicteurs:

- # d'interacteurs/proie

- orientation de l’interaction

- probabilité d'interaction appât/proie comparée au hasard

- # d’observations indépendantes de l’interaction

- clustering local du réseau

- région du gène clonée (5’ UTR, CDS, 3’ UTR)

ATTENTION

Une interaction avec un score faible n'est pas forcément un faux-positif!

slide17

Y

anticorps anti-Tag

Appât

Tag

PRINCIPES DU TANDEM-AFFINITY PURIFICATION

slide18

QUELLES INTERACTIONS SONT/NE SONT PAS IDENTIFIEES PAR LE TAP-TAG ?

  • Interactions permanentes  complexe
  • Faux-positifs 20% (estimation)
  • Complexes identifiés en conditions quasi physiologiques
  • (cellules, animaux entiers)
  • Variation de la composition des complexes (par exemple, en fonction d'un stimulus, de l'activation d'une voie…)
  • Pas d'interactions transitoires
  • Pb: conformation
  • gènes essentiels
  • très petites protéines
  • protéines non solubles
slide19

Données de la littérature

Expériences Tap-TAG

Spoke model

Matrix model

Réalité

LE PROBLEME DE LA REPRESENTATION DES RESULTATS DE TAP-TAG DANS LES GRAPHES

Y2H  interactions directes

Tap-TAG  composition des complexes

Qui interagit avec qui?

Quelle représentation dans les graphes?

slide20

L'INTEGRATION DES DONNEES POUR 'VALIDER' LES INTERACTIONS ISSUES DES EXPERIENCES A GRANDE ECHELLE

  • Une interaction a plus de chance d'exister lorsque:
  • l'interaction a été identifiée par des méthodes expérimentales différentes
  • les protéines contiennent des domaines connus pour interagir
  • les deux protéines sont localisées dans le même compartiment cellulaire
  • leur expression est corrélée (correlation interactome-transcriptome)
  • leurs annotations fonctionnelles (Gene Ontology) sont corrélées
  • l'interaction est connue chez un autre organisme (notion d'interologue)

Ce que j'en pense:

Ces notions sont trop restrictives…

…et ne laissent pas la place à la nouveauté et à la possibilité de découvrir de nouveaux phénomènes.

slide21

DES SOLUTIONS ALTERNATIVES

  • 1- Les jeux de données:
  • Des jeux de données d'interactions mixant des interactions d'origines différentes: littérature, expériences à petite et à grande échelles
  • Multiplicité des jeux de données, de 'stringences' différentes
  • Adaptation des jeux de données à la question biologique posée
  • (analyse globale  jeux de données de haute confiance, analyse locale  jeux de données le plus large possible)
  • 2- Les méthodes d'analyses:
  • Validées statistiquement
  • Résistantes au bruit

Ce sont celles que nous avons adoptées!

  • 3- La représentation dans les graphes
  • Poids des arêtes
  • Adaptation des méthodes d'analyses
slide22

LES RESEAUX D'INTERACTIONS

ANALYSER LES RESEAUX D’INTERACTIONS

=

APPORTER DE L’INFORMATION SUR LA FONCTION CELLULAIRE DES GENES/PROTEINES

Sommets = protéines

Arêtes = interactions physiques

slide23

HYPOTHESE: plus les protéines possèdent d’interacteurs communs,

plus elles doivent être fonctionnellement reliées.

A

B

D

C

PRINCIPE: …ne pas comparer les protéines elles-mêmes…

…mais leurs groupes d’interacteurs respectifs…

slide24

c

a

f

g

h

e

d

b

Y

X

UNE TRADUCTION MATHEMATIQUE POSSIBLE DE L'HYPOTHESE:

LA DISTANCE DE CZEKANOWSKI-DICE

2+3

| X \ (XY) |+| Y \ (XY) |

D(X, Y) =

=

8+ 3

| XY | + | XY |

slide25

X

X

Y

Y

Z

Z

T

T

PRODISTIN

(Protein Distance based on Interactions),

une méthode de classification fonctionnelle des protéines

Principales étapes de la méthode

  • Disposer d’une liste d'interactions
  • entre protéines

Tableau de distances

  • Calculer la distance entre les protéines
  • Construire un arbre de classification à partir des distances
  • Identifier des classes fonctionnelles de protéines d’après:
  • les annotations fonctionnelles pour les protéines
  • la topologie des sous-arbres
slide26

UN ARBRE PRODISTIN DE 602 PROTEINES DE LEVURE

2139 protéines

2946 interactions

Quelle est la signification biologique du regroupement des protéines dans l’arbre ?

slide27

Cycle cellulaire

Cycle cellulaire

Cycle cellulaire

UTILISATION DES ANNOTATIONS FONCTIONNELLES POUR IDENTIFIER DES CLASSES DANS L’ARBRE

Les classes PRODISTIN

Une classe contient au moins 3 protéines partageant la même annotation fonctionnelle.

Ces protéines représentent au moins 50% des protéines de la classe.

slide28

Arbre de classification fonctionnelle de 602 protéines de levure selon la fonction cellulaire

  • 67% des protéines de l’arbre classées
  • - 64 classes
  • - 3-36 protéines
  • - 30/44 fonctions cellulaires
slide29

Complexe protéine kinase

Complexe pré-réplication

Cible le CPR sur l'origine

Contrôle du cycle celulaire

Structure chromatine

Réplication télomère

??

CLASSE 'DNA METABOLISM' ET 'CELL CYCLE'

Duplication spindle pole body

PRODISTIN

- regroupe les protéines impliquées dans les mêmes complexes protéiques, voies ou processus biologiques

- permet d’inférer une fonction cellulaire pour des protéines de fonction inconnue (42/93)

slide30

PREDICTIONS DE FONCTION CELLULAIRE

2 prédictions nouvelles (5%)

+

93 protéines de fonction inconnue

40 prédites par d'autres méthodes bioinfo ou récemment caractérisées expérimentalement

42 dans des classes PRODISTIN

une fonction cellulaire est prédite

27 en accord (64%)

13 différentes (30%)

slide31

EVALUATION STATISTIQUE DE LA QUALITE DES CLASSES ET DES PREDICTIONS FONCTIONNELLES (1)

  • Le regroupement des protéines dans les classes est-il significatif? Est-il différent d'un regroupement au hasard?  Test sur des réseaux au hasard de topologie identique – ‘Reshuffling’  15 classes au lieu de 64 Significatif

- Quelle est la qualité des prédictions fonctionnelles?  On suppose que toutes les protéines membres d'une même classe assurent la fonction cellulaire de la classe; comparaison de ces prédictions avec les fonctions cellulaires connues.

Taux de succès = # de fonctions correctement prédites/ # de prédictions 67 %

- Quelle est la qualité topologique des classes?  Index de robustesse des classes. Vérifie l'adéquation de la représentation en arbre avec les valeurs de distances 

0 <0.96< 1

slide32

EVALUATION STATISTIQUE DE LA QUALITE DES CLASSES ET DES PREDICTIONS FONCTIONNELLES (2)

  • Comment la méthode PRODISTIN réagit-elle à la présence de 'bruit' dans les données d'interactions?
  • Test sur des réseaux de topologies différentes – ‘Rewiring’
  • Quel est le taux de succès pour les prédictions?
slide33

LA METHODE PRODISTIN : CONCLUSIONS

  • PRODISTIN, une méthode de classification fonctionnelle des protéines à partir du réseau d’interactions protéine-protéine, validée statistiquement
  • Extrait de l’information fonctionnelle à partir d’un réseau complexe en donnant une vision intégrée des fonctions
  • Regroupe les protéines impliquées dans les mêmes fonctions cellulaires
  • Prédiction de fonction cellulaire pour les protéines de fonction inconnue (67% de taux de succès)
  • Un nouvel outil complémentaire à l’analyse de séquence pour la prédiction de fonction, permettantune nouvelle approche de la fonction des gènes/protéines au niveau cellulaire
  • Prodistin Web Server: http://gin.univ-mrs.fr/webdistin

Brun et al., 2003, Genome Biology, 5:R6

Baudot et al., 2004, Genome Biology, 5:R76

ana s baudot bernard jacq christine brun david martin pierre mouren

LGPD, IBDM, Marseille

IML, Marseille

Alain Guénoche

IRD, Montpellier

François Chevenet

Hybrigenics, Paris

Jérôme Wojcik

Laurent Daviet

Anaïs BAUDOT

Bernard JACQ

Christine BRUN

David MARTIN

Pierre MOUREN