《Cell》从基础机制到生物医学新契机——蛋白质二聚化网络

为解决蛋白质二聚化网络计算能力相关问题，加州理工学院的研究人员开展了竞争性蛋白二聚化网络研究。结果发现其计算能力强且多功能，这对理解自然网络及合成生物学意义重大。

　　

在神秘的细胞世界里，蛋白质就像一群忙碌的小工匠，它们相互协作，共同维持着细胞的正常运转。其中，蛋白质二聚化（两个蛋白质单体结合形成二聚体的过程）网络在许多生物信号通路中扮演着关键角色。它就像一个精密的信号处理器，能将上游信号转化为下游的生物学响应，参与调控细胞的增殖、分化和应激反应等重要过程。

比如说，核受体（NRs）家族的蛋白质会以多种组合方式进行二聚化，而且它们在不同细胞类型中的表达水平各不相同。这就好比不同的细胞工厂，使用相同的原材料（蛋白质单体），却生产出不同的产品（二聚体），从而实现不同的功能。在淋巴细胞发育过程中，两组 bHLH 蛋白（E 蛋白转录因子和抑制性 Id 蛋白）通过二聚化来控制免疫细胞的命运抉择；在 BCL - 2 家族的凋亡蛋白中，BAX 和 BAK 蛋白的二聚化状态决定了细胞是生存还是走向凋亡。

尽管蛋白质二聚化网络如此重要，但科学家们对它的了解还十分有限。就像面对一台复杂的机器，虽然知道它能工作，但却不清楚它的具体运作原理。目前还不清楚二聚化网络能执行哪些输入 - 输出计算（即从单体浓度输入到二聚体浓度输出的定量关系），以及这些计算如何依赖于网络的大小和连接性（网络中蛋白质单体之间相互作用的紧密程度）。此外，单个网络在不同细胞环境中执行不同计算的能力，以及网络参数对其计算能力的影响，也都有待研究。这些问题不仅关系到我们对自然二聚化网络的理解，对于设计合成二聚化网络也至关重要。

为了揭开蛋白质二聚化网络的神秘面纱，来自加州理工学院的 Jacob Parres - Gold、Matthew Levine、Benjamin Emert、Andrew Stuart 和 Michael B. Elowitz 等研究人员，在《Cell》期刊上发表了一篇名为 “Contextual computation by competitive protein dimerization networks” 的论文。他们通过一系列实验和分析，得出了许多重要结论，为我们理解蛋白质二聚化网络的功能和机制提供了新的视角。这一研究成果意义重大，它有助于我们深入了解自然信号通路中转录因子二聚化网络广泛存在的原因，还为合成生物学和治疗药物开发提供了理论基础。

在研究过程中，研究人员用到了几个关键的技术方法。首先是构建最小模型，他们建立了一个能够捕捉自然二聚化网络关键特征的模型，包括竞争性、多对多的二聚化相互作用以及细胞类型特异性的成分表达水平。其次是随机参数筛选和优化，通过模拟大量不同大小和连接性的网络，随机选择亲和力和成分表达水平，然后进行优化试验，以此来分析网络计算的范围和能力。最后，他们还进行了动力学模拟和噪声分析，通过数值积分常微分方程来模拟网络重新平衡的动力学过程，同时评估网络对内在和外在噪声的鲁棒性（即网络在受到干扰时保持功能稳定的能力）。

下面让我们详细看看他们的研究结果。

1. 建模竞争性二聚化网络

研究人员首先建立了一个最小建模框架，这个框架就像是一个缩小版的二聚化网络世界。在这个世界里，他们考虑了由 m 个相互作用的单体组成的网络，每个单体对都可以通过特定的平衡常数可逆地结合形成二聚体。他们把部分单体指定为输入，非输入单体则称为辅助单体，并假设辅助单体在给定细胞类型中有固定的总浓度，同时将二聚体浓度直接视为输出。这个框架虽然没有考虑高阶寡聚体（如三聚体）的形成，也忽略了 DNA 结合或亚细胞定位对二聚化倾向的潜在影响，但却为后续研究奠定了基础。

2. 二聚化蛋白质网络可以计算多种功能

为了探究二聚化网络能计算哪些功能，研究人员对基本网络的输入 - 输出行为进行了分析。他们发现，即使是非常简单的二聚化网络，也能展现出令人惊讶的计算能力。比如，最简单的非平凡二聚化网络由两个单体组成，它可以计算出开关关闭（switch - off）函数；再增加一个物种，就能实现开关开启（switch - on）函数。当把开关开启和关闭的网络组合起来时，就会出现双相的脉冲（bump）函数，只有在输入单体的中间浓度时，输出二聚体才会形成。而且，通过将两个单体视为不同的输入，二聚化网络还能实现组合逻辑，如 NIMPLY（“M1 AND NOT M2”）逻辑门、NAND 逻辑门等，甚至还能生成模拟（非布尔）组合响应，如两输入的脉冲函数。这表明，二聚化网络可以计算多种非单调函数，并且随着网络规模的增加，它们能够执行越来越复杂的输入 - 输出响应。

3. 单体表达水平可以调节网络计算

竞争性二聚化网络的一个关键特性是其计算的多功能性，即单个网络可以根据蛋白质成分的表达水平执行不同的输入 - 输出计算。研究人员通过调整辅助单体的表达水平，发现可以调节之前提到的脉冲函数的中心和幅度，甚至可以将一个开关关闭响应转变为开关开启响应。对于多输入函数，同样可以通过调整输入浓度阈值来调节函数的中点，比如两输入脉冲函数。更神奇的是，单个网络甚至可以通过调整单体表达水平来执行完全不同类型的多输入组合逻辑，如从 AND 门转换为 NOR 门。这说明，单体表达水平的变化可以显著改变二聚化网络的计算功能。

4. 表达能力随网络大小和连接性增长

随着网络大小和连接性的变化，二聚化网络的计算能力会如何改变呢？研究人员通过计算筛选和优化试验来探索这个问题。他们模拟了大量不同大小的网络，随机选择亲和力和成分表达水平，并通过引入一种网格化方案来对网络的输入 - 输出响应进行分类。结果发现，较大的网络能够执行更多独特的一输入和二输入函数，而且对于一输入函数，较大网络中还出现了更大比例的非单调响应。此外，对于给定的网络大小，连接性更高的网络在参数筛选中产生了更多独特的函数。通过优化方法，他们还确定了一些特定函数所需的网络大小，如反相脉冲函数至少需要四个网络单体。这一系列结果表明，表达能力确实随着网络大小和连接性的增加而增长。

5. 竞争性二聚化网络可以计算多输入函数

细胞通常会对来自其他细胞、环境和自身状态的多种信号做出响应，那么二聚化网络能处理多输入信号吗？研究人员利用优化方法找到了能够执行各种三输入和四输入布尔函数（逻辑门）的网络。他们发现，二聚化网络能够整合多个输入进行多维计算，比如一个十单体的网络可以计算 “任意 2 个或无” 函数，并且可以执行所有 54 种独特的三输入逻辑门，六单体的网络也能计算一半的三输入逻辑门。此外，二聚化网络还能执行四输入的布尔函数，如 “至少 n 个” 函数和四输入 AND 门。这说明，二聚化网络在处理多输入信号方面具有很强的能力。

6. 网络在数分钟到数小时的时间尺度上适应，并且在噪声存在的情况下仍能发挥作用

在实际的细胞环境中，二聚化网络需要在一定时间内达到稳定状态，并且要能抵抗各种生物噪声。研究人员通过确定性模拟发现，网络在输入单体受到扰动后，能够在 100 秒到 2 小时的时间尺度上重新达到平衡，这个时间尺度比转录调控的时间尺度快。而且，当输入单体以生理相关的时间尺度（小时到天）变化时，二聚化网络能够保持准平衡状态。在噪声方面，研究人员通过随机 Gillespie 模拟发现，大多数物种的噪声变异系数小于蛋白质表达水平的变异系数，并且网络对辅助单体表达水平的外在波动具有一定的鲁棒性。这表明，二聚化网络在实际细胞环境中具有较好的适应性和稳定性。

7. 大型随机网络具有表达能力和多功能性

在进化过程中，网络的成对相互作用亲和力不太可能被精确微调，但蛋白质表达水平可以通过多种机制独立调整。研究人员想知道，具有随机相互作用亲和力的二聚化网络能否通过调整辅助单体的表达水平来执行多种功能呢？为此，他们生成了一系列具有随机相互作用亲和力的网络，并对辅助单体的表达水平进行优化，以使其匹配各种一输入目标函数。结果发现，单个二聚体在随机网络中的多功能性分布广泛，一些二聚体能够通过调整辅助单体表达水平来拟合超过 70% 的一输入目标函数，而且网络的多功能性随着网络大小的增加而增加，在约 6 个单体时达到饱和。当允许每个随机网络使用不同的输出二聚体来执行不同的目标函数时，网络的多功能性得到了显著提升，几乎所有 8 个单体的随机网络都能执行 80% 的函数，最好的网络甚至能达到 95% 以上。此外，他们还发现，即使是具有随机相互作用的网络，也能通过调整辅助单体表达水平来执行一系列二输入目标函数。这说明，大型随机网络具有很强的表达能力和多功能性。

研究人员在讨论部分指出，蛋白质二聚化网络在许多生物过程中起着重要作用，他们的研究揭示了这类网络的几个强大特性。首先，竞争性二聚化网络具有很强的计算表达能力，能够计算多种输入 - 输出函数；其次，它们具有多功能性，只需调整网络单体的表达水平就能执行不同的功能，这使得细胞能够在不同环境下利用相同的信号通路进行特异性信号传递；再者，二聚化网络可以整合多个单体作为输入，从而做出考虑多种信息来源的复杂决策。这些特性可以解释为什么转录因子二聚化网络在自然信号通路中如此普遍。

此外，许多自然网络似乎具有足够的大小和连接性来展现高表达能力和多功能性，比如人类的 bZIP 转录因子形成的二聚化网络。这意味着许多自然网络有潜力进行复杂的、细胞类型特异性的计算。研究结果还为理解自然网络的计算提供了具体的实验方向，例如对拟南芥低能量应激反应中 bZIP 蛋白的研究。通过结合实验和建模，有望深入了解 bZIP 蛋白如何感知和协调应激反应，为培育抗旱作物或研究网络进化提供帮助。

从更广泛的角度来看，这项研究成果不仅有助于我们深入理解自然二聚化网络的计算机制，还可以应用于合成生物学和治疗药物开发。在合成生物学中，可以通过融合合成转录因子到二聚化结构域来设计合成二聚化网络；在治疗药物开发方面，理解二聚化网络有助于识别受体激动剂和拮抗剂的组合，从而更有效地治疗与 NRs 相关的疾病。

总的来说，这项研究为我们打开了一扇通往蛋白质二聚化网络世界的大门，让我们对细胞内的信号处理机制有了更深入的认识，也为未来的生物学研究和应用提供了重要的理论支持和指导方向。