INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR

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 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)

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

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.

LES GRANDS RESEAUX D'INTERACTIONS Graphe non orienté, Nœud = protéine, Arête = interaction physique

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)

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

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.

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.

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

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.

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.*

(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

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.

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!

Y anticorps anti-Tag Appât Tag PRINCIPES DU TANDEM-AFFINITY PURIFICATION

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

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?

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.

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

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

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…

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 |

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

UN ARBRE PRODISTIN DE 602 PROTEINES DE LEVURE 2139 protéines 2946 interactions Quelle est la signification biologique du regroupement des protéines dans l’arbre ?

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.

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

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)

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%)

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

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?

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

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

INTERACTIONS PROTEINE-PROTEINE : DU PRODUCTEUR AU CONSOMMATEUR