在人类中，数百种蛋白质在一个复杂的网络（称为相互作用组）中相互作用。当导致疾病的突变引入编码这些蛋白质的基因时，这些相互作用变得更加复杂。有些基因可以通过不同的方式突变，从而引起相同的疾病，这意味着单一条件可以与多个相互作用组相关联。这给药物开发者带来了挑战，他们需要从数千个潜在的致病相互作用中选择治疗目标。但现在可能有一种方法可以简化这一任务。克利夫兰诊所和康奈尔大学的科学家利用人工智能开发了一种公开可用的计算工具，该工具可以预测基因突变如何影响癌症和其他复杂疾病中的蛋白质-蛋白质相互作用。该软件和数据库被称为蛋白质-蛋白质相互作用界面预测（Protein-protein InteractiOn iNtErfacE pRediction，简称PIONEER），其相关内容已在《自然生物技术》杂志上发表，题为《结构信息的人类蛋白质-蛋白质相互作用组揭示了疾病突变引起的全蛋白质组扰动》。
他们的希望是，通过了解致病突变对蛋白质相互作用组的影响，可以帮助缩短药物开发和临床试验所需的时间。“理论上，基于遗传数据开发新药是简单的：突变基因产生突变蛋白，”该研究的共同主要作者、克利夫兰诊所基因组中心的Feixiong Cheng博士说，“我们尝试创建分子，通过阻止这些蛋白质与健康蛋白质相互作用来阻止它们破坏关键的生物学过程，但在现实中，这说起来容易做起来难。”
PIONEER可以通过清除药物研究人员和开发人员最有可能的蛋白质-蛋白质相互作用路径来帮助解决这一问题。为了设计该工具，Cheng的实验室与康奈尔大学创新蛋白质组学中心主任Haiyuan Yu博士的团队合作。科学家们收集了来自多个来源的数据，包括近10万名携带致病突变个体的基因组序列。他们还收集了超过16,000种人类蛋白质的三维结构以及基因突变对其结构的影响信息，以及近300,000对蛋白质之间的已知相互作用数据。这一数据集使科学家能够导航超过10,500种疾病的相互作用组，包括各种癌症、自身免疫疾病和心血管疾病。
使用PIONEER，科学家可以输入感兴趣的疾病相关突变，获得一个按重要性排序的蛋白质-蛋白质相互作用列表，这些相互作用有助于疾病的发生，并且可以用药物治疗。科学家还可以通过疾病名称搜索，获得潜在的致病蛋白质相互作用列表。研究团队在实验室中验证了数据库的预测结果，对1,000多种蛋白质进行了近3,000种突变的实验，测试了这些突变对近7,000对蛋白质-蛋白质相互作用的影响。基于这些发现的初步研究已经在进行中，以开发和测试针对肺癌和子宫内膜癌的治疗方法。该模型还可以预测生存率、预后以及抗癌药物的反应。
“大多数遗传学家进行相互作用组研究所需的资源是一个重要的进入壁垒，”Cheng说，“我们希望PIONEER可以通过计算方法克服这些障碍，减轻负担，并赋予更多科学家推进新疗法的能力。”
(全文结束)
