Deep mutational scanning of entire human protein interaction domain families

Protein interaction networks represent the backbone of the cell’s functional organization. Their architecture relies on the specificity of these interactions. Mutations that alter specificity may rewire the network and the way it coordinates biological processes, and lead to diseases or functional innovations. Understanding how the sequence of a protein determines the specificity of its interaction profile thus represents an important step towards a model of the genotype-phenotype map.

To address the sequence-function relationship in protein-protein interactions, we conducted a deep mutational scanning of the entire human basic leucine zipper (bZIP) interaction network. This interaction domain family, composed of 54 members in humans, has served as a model system for the study of protein interaction specificity. While the general rules of bZIP specificity are relatively well known, it remains impossible to predict interaction partners accurately.

Using our established double-deepPCA system, we measured the effect of all single amino acid substitutions in all 54 members, on the affinity for all 54 wild-type members. This dataset of ~2M quantitative protein-protein interaction measurements enabled training a deep neural network that captures the sequence-function relationship in order to quantitatively predict the free energy of binding between two bZIPs from their sequence alone. This bZIP model can be applied to predict competitive inhibitor that are more specific to their targets, interpret genetic variation in bZIP domains found in disease databases, predict orthogonal bZIP pairs for synthetic biology applications or predict bZIP networks in extent and ancestral species to study the evolution of the protein interaction network formed by core transcription factor family.

I will present the dataset and the deep learning model, as well as preliminary data on two other families, basic helix-loop-helix and SH3 domains, for which we plan to collect 6 and 20M affinity measurements respectively. We foresee that applying this strategy on a variety of domain families of different architecture will enable the development of general models that can predict the affinity of an interaction from the sequence of the two partners.

Professeur au Département de Sciences des Aliments et titulaire de la Chaire de Recherche en Partenariat sur la «Valorisation Intégrée des coproduits par des Technologies Alimentaires écoefficientes dans le cadre d’une Économie circulaire (Chaire VITALE)», Institut sur la Nutrition et les Aliments Fonctionnels (INAF), Université Laval, Québec, G1V 0A6 Canada.

Le Dr Laurent BAZINET a étudié en agro-alimentaire à l’École Supérieure d’Agriculture D’Angers (France) où il a obtenu en 1993 son diplôme d’ingénieur en agriculture. Il a continué ses études universitaires à l’Université Laval (Québec, Québec) où il a obtenu un Master’s (1994) et un Ph.D. (2000) en sciences et technologies des aliments. Depuis juillet 2002, il est professeur, au département de Sciences des Aliments, à l'Université Laval où il enseigne l’ingénierie des procédés industriels alimentaires et la transformation et conservation des aliments. Le Dr. Bazinet est titulaire de la Chaire de Recherche en partenariat sur la Valorisation Intégrée des coproduits par des Technologies ALimentaires écoefficientes dans le cadre d’une Économie circulaire (Chaire VITALE), directeur du Laboratoire International Associé sur la Bioproduction d’Antimicrobiens Naturels (LIAAN), et responsable du Laboratoire de Transformation Alimentaire et Procédés Électromembranaires (LTAPEM). Il est aussi un membre actif de l’Institut sur la Nutrition et les Aliments Fonctionnels (INAF) et du Centre de Recherche en Sciences et Technologies du Lait (STELA).

Les intérêts de recherche du Dr Bazinet portent sur l’étude des phénomènes électrodialytiques et leurs impacts sur les composés bio-alimentaires et leurs bénéfices santé. Cette programmation de recherche a pour but de concevoir, optimiser et développer de nouvelles techniques et technologies améliorant l’écoefficience des lignes de production alimentaire tout en permettant la valorisation des co-produits dans le cadre d’une économie circulaire. Il a, entre autres, développé et breveté une nouvelle technologie appelée électrodialyse avec membrane de filtration (EDMF). Cette technologie permet la séparation de molécules chargées en fonction de leur charge et de leur taille. Cette technologie, qui est maintenant rendue à l’échelle semi-industrielle, a démontré une très haute sélectivité pour la séparation de molécules de natures différentes (polyphénols, oligomères de chitosane, peptides bioactifs, etc…) provenant d’isolats variés. Il a été/est impliqué dans divers projets en purification de molécules bioactives, mise au point de nouvelles technologies et applications électromembranaires, amélioration et évaluation de l’écoefficience des procédés, caractérisation et identification de molécules bioactives.

Il dirige et co-supervise actuellement 4 M.Sc., 10 Ph.D et 3 Post-doc dans le cadre de 8 projets de recherche dont le budget total annuel s’élève à plus de 1.0 M$. Le Dr. Bazinet a publié à ce jour 257 articles évalués par les pairs, 18 livres et chapitres de livres, breveté 8 technologies et présentés 434 conférences et affiches. De plus, selon une étude bibliométrique indépendante parue fin 2016 et portant sur l’ensemble des articles publiés dans le domaine de l’électrodialyse au cours des 24 dernières années, le Dr Bazinet, selon l'indice h (ou indice de Hirsch) qui est un indice quantifiant la productivité scientifique et l’impact d'un scientifique en fonction du niveau de citation de ses publications, se situe au 3ème rang mondial dans son domaine de la recherche. Enfin, en 2020, il a été reconnu comme le leader mondial de l'électrodialyse avec membrane de filtration et comme faisant partie du 2% des meilleurs scientifiques au monde.

Progrès récents en électrodialyse avec membrane de filtration (ÉDMF) pour la séparation de peptides bioactifs : des applications à la mise à l’échelle

Le secteur alimentaire génère chaque année de très grands volumes de coproduits tels que le lactosérum (210 millions de litres/an au Canada) et le sang d’abattage (68 millions de litres/an de sang de porc). Il est donc nécessaire de valoriser ces coproduits afin de limiter l’impact environnemental de ce secteur industriel. Ces coproduits sont riches en protéines qui peuvent être revalorisées sous forme de peptides bioactifs après hydrolyse enzymatique. Cependant, la purification de ces peptides bioactifs et une phase nécessaire pour accentuer la ou les bioactivité(s) visée(s). Plusieurs techniques existent à l’heure actuelle pour séparer ces peptides bioactifs, mais elles ont plusieurs désavantages. Une technique appelée génériquement électrodialyse avec membrane de filtration (ÉDMF) a été développée et brevetée, il y a une dizaine d’années, et a récemment fait l’objet d’une mise à l’échelle semi-industrielle en collaboration avec un équipementier. Nous présenterons donc plusieurs applications de cette technologie qui ont été développées au cours des dernières années dans notre équipe de recherche et nous ferons un bref aperçu des progrès très récents réalisés dont l’utilisation de l’intelligence artificielle pour prédire certains mécanismes de migration en cours de procédé. Nous présenterons aussi les plus récents résultats concernant la mise à l’échelle de cette technologie et son insertion dans le cadre d’une économie circulaire.