Une équipe dirigée par des chercheurs de l'Université de Toronto a créé une plateforme, appelée SIMPL2, qui révolutionne l'étude des interactions protéine-protéine en simplifiant la détection tout en améliorant la précision des mesures.
Les interactions entre protéines jouent un rôle important dans les processus biologiques, notamment ceux impliqués dans les maladies. L'équipe à l'origine de la plateforme SIMPL2 l'a conçue pour optimiser la capacité des chercheurs à mesurer les interactions protéine-protéine pour des thérapies médicamenteuses ciblées. Alors que les interactions protéine-protéine étaient auparavant considérées comme « indomptables » à l'aide de petites molécules, la plateforme relève ce défi en facilitant la mesure de ces interactions, améliorant ainsi notre compréhension des types de molécules nécessaires pour les contrôler.
De nombreuses méthodes ont été développées pour mesurer les interactions entre protéines, en particulier plus récemment, à mesure que l’importance des interactions protéiques dans la maladie est devenue plus évidente. Cependant, toutes ces méthodes présentent des inconvénients, notamment des coûts élevés et des procédures compliquées qui retardent les résultats. Les plus grands avantages de notre plateforme SIMPL2 sont qu’elle produit des mesures plus fiables et qu’elle est comparativement moins chère à utiliser. »
Zhong Yao, premier auteur de l'étude et associé de recherche principal du Donnelly Center for Cellular and Biomolecular Research de l'Université de Toronto
L'étude a été publiée récemment dans la revue Biologie des systèmes moléculaires.
Yao a commencé à travailler sur le problème de mesure des interactions protéiques tout en développant le système original SIMPL (Split-Intein Medicated Protein Ligation). SIMPL2 est une mise à jour de SIMPL qui implique l'utilisation de l'enzyme luciférase divisée pour la détection des interactions protéiques par luminescence. En plus d’améliorer l’identification des interactions, l’ensemble du processus de mesure se déroule à travers un seul milieu : le liquide. Cela simplifie considérablement le processus en réduisant le nombre d'étapes nécessaires pour effectuer les mesures.
« L'un des problèmes avec SIMPL était que nous devions utiliser un processus supplémentaire, appelé ELISA, pour identifier les protéines épissées par la plateforme SIMPL », a déclaré Yao. « C'était un processus douloureux qui a rendu une technologie par ailleurs efficace plus compliquée et plus coûteuse à utiliser qu'elle n'aurait dû l'être. SIMPL2 ne nécessite qu'une seule étape, qui peut être effectuée manuellement, ou elle peut être automatisée pour encore plus d'efficacité dans les études à haut débit. « .
Pour tester la sensibilité et l'applicabilité de la nouvelle plateforme, l'équipe de recherche l'a utilisée pour mesurer les interactions entre les protéines affectées par les modulateurs. Les modulateurs de protéines comprennent des molécules qui inhibent les interactions entre protéines, celles qui facilitent les interactions protéiques et celles qui facilitent la dégradation des protéines cibles. SIMPL2 s’est avéré efficace pour identifier ces interactions, même dans les cas où les interactions étaient faibles.
Alors que les ordinateurs quantiques et l’IA ont facilité la conception de petites molécules pour les thérapies médicamenteuses, cela a conduit à la nécessité de développer des méthodes beaucoup plus rapides pour valider l’efficacité de nouveaux médicaments. SIMPL2 peut répondre à ce besoin, car il peut être utilisé pour tester les interactions entre de nouvelles molécules et leurs protéines cibles dans des cellules humaines en culture. Il est également capable de suivre le rythme de conception de nouvelles molécules.
« Nous avons conçu SIMPL2 pour être une méthode universelle d'étude des interactions protéiques, rapide et peu coûteuse, ainsi que très sensible », a déclaré Igor Stagljar, chercheur principal de l'étude et professeur de biochimie à la faculté de médecine Temerty de l'Université de Toronto. « Maintenant que nous avons optimisé la plateforme, notre prochaine étape consiste à l'utiliser pour étudier les interactions qui jouent un rôle clé dans des maladies, comme le cancer, afin d'apprendre à développer des thérapies médicamenteuses. Ce travail impliquera l'utilisation d'ordinateurs quantiques et d'IA en collaboration. avec le laboratoire d'Alán Aspuru-Guzik à l'Université de Toronto et Insilico Medicine, un leader mondial dans la découverte de médicaments génératifs pour l'IA. »
Cette recherche a été financée par FACIT et Ontario Genomics.
