年7月22日，不列颠哥伦比亚大学MichaelSmith实验室等在Cell杂志上合作发表了题为Anatlasofprotein-proteininteractionsacrossmousetissues的文章，文章中提出了一种新的定量蛋白质组学方法——将蛋白质相关性分析与哺乳动物的稳定同位素标记技术相结合(PCP-SILAM)，绘制出七种小鼠组织的蛋白质相互作用组图谱，揭示了超过个独特的相互作用。
撰文
何诗曼
Highlights
1.PCP-SILAM方法实现了小鼠体内七种组织的蛋白质相互作用组图谱的生成
2.生成的小鼠蛋白质相互作用组图谱超过原有规模两倍多
3.不同组织的蛋白质相互作用重组受到严格监管
4.与组织特异性疾病密切相关的蛋白质形成组织特异性子网络
Introduction
许多蛋白质的生物学功能依赖于与其他蛋白质的特定物理相互作用，这些相互作用的破坏可能导致疾病。因此，定义给定生物体中功能性蛋白质-蛋白质相互作用（相互作用组）的完整图谱是后基因组时代的长期目标，以期更好地理解蛋白质功能、细胞生理过程以及基因型和表型之间的关系。但是，现有的相互作用组图谱只对出现在特定细胞类型或组织中，或在病理生理相关条件下发生的相互作用提供了有限的见解。特异性的组织或细胞类型环境中的靶向相互作用组图谱揭示了特定人类疾病中蛋白质相互作用的重组，但关于哺乳动物组织间的蛋白质相互作用组的基本问题仍未解决。尽管已经进行了大规模的研究来分析人类组织的转录组、蛋白质组和表观基因组，但在相互作用组水平上的分析却是缺乏的。
在这里，作者将PCP与哺乳动物的稳定同位素标记技术(SILAM)相结合以生成七种小鼠组织的蛋白相互作用组图谱。这项研究不仅提供了哺乳动物组织特异性环境中蛋白质-蛋白质相互作用的全局视图，还提供了一个系统的超过原有规模两倍多的小鼠蛋白质相互作用组图谱，揭示了不同生理环境下蛋白质相互作用的广泛重组。
Results
一、小鼠组织的体内相互作用组定量分析
作者使用PCP-SILAM分析了七种小鼠组织的相互作用组，包括脑、心脏、骨骼肌（腓肠肌）、肺、肾、肝和胸腺（图1A）。从13C6-标记（重）和未标记（轻）小鼠组织中收集了总共55个SEC馏分。然后合并重馏分以生成全局参考混合物，并将其添加到所有种轻馏分中。然后对每个馏分进行液相色谱-串联质谱(LC-MS/MS)分析。在所有馏分中总共检测到7,种独特的蛋白质（图1B），包含了许多众所周知的蛋白质复合物，例如prefoldin复合物、COP9信号小体或eIF3复合物（图1C）。
图1PCP-SILAM法测绘的七种小鼠组织的定量相互作用组图谱
作为对数据质量的初步评估，作者将PCP-SILAM与大规模蛋白质组学、转录组学和核糖体分析数据集进行了比较，以了解它们回收已知蛋白质复合物的能力。与大规模转录组、翻译组或蛋白质组数据集（图1G）相比，SEC馏分的共丰度模式被证明可提供更多信息，ROC曲线下的平均面积(AUC)为0.77，与现有的研究相比显著更高。值得注意的是，PCP-SILAM数据中的平均AUC高于对来自种不同生物条件的5,次SILAC蛋白质组学实验的meta分析。这些发现说明了PCP相对于大规模蛋白质组“协同调节”网络的主要优势：即通过SEC柱的分离特异性地将同一蛋白质复合物中的蛋白质对与间接关联的蛋白质对区分开来。在PCP-SILAM和基于细胞系的PCP-SILAC之间未观察到AUC的显着差异（图1H；p=0.58），表明尽管整个组织具有更大的复杂性，但对其进行体内相互作用组的分析并未影响数据质量。
二、小鼠组织相互作用组的高置信度统计推断
为了从PCP-SILAM组织蛋白质组谱中获得相互作用组，作者开发了PrInCE，这是一种用于分析共分馏质谱数据的机器学习管道（图2A）。与以前从共分馏数据和公开可用的基因组数据集共同学习的方法相比，PrInCE回收PPIs（蛋白质-蛋白质相互作用）完全来源于质谱数据中所获得的特征。将PrInCE应用于PCP-SILAM数据，在每个组织中识别出19,到35,次相互作用(FDR=5%)，总共有,次独特的相互作用（图2B）。
图2小鼠组织相互作用组的推断和验证
为了评估从PCP-SILAM数据推断出的网络的质量，作者将每个小鼠组织相互作用组与五个最近发表的使用AP-MS/Y2H进行的高通量人类相互作用组筛选，以及其他文献报道（literature-curated，LC）的相互作用进行了比较。作者计算了反映每个网络与其他大规模基因组数据集一致性的三个指数。所有三个指数都产生了大致一致的网络质量（图2C-E)。这些发现表明PCP-SILAM网络的质量可与最近系统的人类筛查和由假设驱动的小规模实验所确定的相互作用相媲美。
为了通过实验验证PCP-SILAM在小鼠组织中绘制相互作用图谱的能力，作者首先