在药物扰乱的肺癌培养和组织中空间分辨的亚细胞蛋白-蛋白相互作用
Shuangyi Cai1, Thomas Hu1,2, Abhijeet Venkataraman1,3
1Wallace H. Coulter Department of Biomedical Engineering, Georgia Institute of Technology and Emory University, Atlanta, GA, USA.
Nature biomedical engineering
|October 31, 2024
概括
这项研究引入了一种可视化癌细胞中蛋白质与蛋白质相互作用 (PPI) 的新方法,有助于药物发现. 该方法使用近距离结合试验和深度学习来绘制PPI并预测治疗反应.
科学领域:
- 生物化学和分子生物学
- 细胞生物学 细胞生物学
- 癌症研究 癌症研究
背景情况:
- 蛋白与蛋白相互作用 (PPI) 对细胞信号传递和表型调节至关重要.
- 想象PPI的空间动态是理解信号网络激活和交叉通话的关键.
- 当前的方法可能缺乏复杂的PPI网络的多重复合能力.
研究的目的:
- 开发和验证一种用于空间分辨的蛋白质-蛋白质相互作用的多重造型的新方法.
- 调查非小细胞肺癌 (NSCLC) 中PPI的亚细胞组织和动态,具有突变的表皮生长因子受体 (EGFR).
- 评估将PPI数据与深度学习集成为预测细胞对向疗法的反应的潜力.
主要方法:
- 对多重PPI分析最多47种蛋白质的顺序近距离结合试验.
- 适用于NSCLC细胞培养和组织,结合免疫光.
- 使用图形卷积网络来分析空间解析的PPI数据.
主要成果:
- 在NSCLC中成功对多重PPI进行了分析,揭示了亚细胞共定位.
- 重建了对奥西默蒂尼布治疗的反应中PPI的动态变化.
- 证明图形卷积网络可以根据PPI数据准确预测细胞治疗状态.
结论:
- 多复合近距离结合试验为PPI的亚细胞组织提供了强大的洞察力.
- 基于图形的深度学习可以有效地分析复杂的PPI网络,用于治疗应用.
- 这种综合方法有助于理解针对药物设计的蛋白质相互作用体.
