Zelluläre Funktionen funktionieren über in komplexes Netzwerk von Protein-Protein-Interaktionen, die unzählige biologische Prozesse koordinieren. Bislang hatte man das sogenannte Interaktom der Proteine von Hefen und Bakterien mittels Deep Learning entschlüsseln können, nicht jedoch das komplizierte des Menschen.

Das nun entwickelte Programm ist leistungsfähiger und schneller als die bereits existierenden ColabFold und AlphaFold3-Programme, es kombiniert omicMSAs und RF2-PPI und führt eine koevolutionäre Analyse kombiniert mit dem Deep Learning durch. Die koevolutionäre Analyse verschiedener Proteinsysteme stützt die Hypothese, dass Proteine, die miteinander interagieren, sich auch gemeinsam entwickeln müssen. Mithilfe von Sequenzinformationen kann diese Methode die Koevolution zwischen zwei Proteinen quantitativ messen und somit spezifische und unvoreingenommene Rückschlüsse auf plausible Protein-Protein-Interaktionen ziehen. (*).

Mit ihrem neuen Modell haben die Forscherinnen und Forscher haben 200 Millionen menschliche Proteinpaare systematisch untersucht und 17.849 Interaktionen mit einer erwarteten Genauigkeit von 90 % vorhergesagt. Von denen waren 3631 Interaktionen bislang noch unbekannt.  Sie sehen es als einen wesentlichen Schritt in Richtung des langfristigen Ziels, das gesamte menschliche Interaktom zu berechnen. Die vorhergesagten Proteinkomplexe bieten reichhaltige Einblicke in die menschliche Biologie und Krankheiten.

Originalpublikation:
Zhang J, Humphreys IR, Pei J, Kim J, Choi C, Yuan R, Durham J, Liu S, Choi HJ, Baek M, Baker D, Cong Q. Predicting protein-protein interactions in the human proteome. Science. 2025 Oct 23;390(6771):eadt1630. doi: 10.1126/science.adt1630. Epub 2025 Oct 23. PMID: 40997207.
https://pubmed.ncbi.nlm.nih.gov/40997207/

Weitere Informationen:
(*) Goh CS, Cohen FE. Co-evolutionary analysis reveals insights into protein-protein interactions. J Mol Biol. 2002 Nov 15;324(1):177-92. doi: 10.1016/s0022-2836(02)01038-0. PMID: 12421567.