Global insights into cellular organization and genome function require comprehensive understanding of the interactome networks that mediate genotype–phenotype relationships1,2. Here we present a human ‘all-by-all’ reference interactome map of human binary protein interactions, or ‘HuRI’. With approximately 53,000 protein–protein interactions, HuRI has approximately four times as many such interactions as there are high-quality curated interactions from small-scale studies. The integration of HuRI with genome3, transcriptome4 and proteome5 data enables cellular function to be studied within most physiological or pathological cellular contexts. We demonstrate the utility of HuRI in identifying the specific subcellular roles of protein–protein interactions. Inferred tissue-specific networks reveal general principles for the formation of cellular context-specific functions and elucidate potential molecular mechanisms that might underlie tissue-specific phenotypes of Mendelian diseases. HuRI is a systematic proteome-wide reference that links genomic variation to phenotypic outcomes. A human binary protein interactome map that includes around 53,000 protein–protein interactions involving more than 8,000 proteins provides a reference for the study of human cellular function in health and disease.

ABSTRACT Key steps in viral propagation, immune suppression, and pathology are mediated by direct, binary, physical interactions between viral and host proteins. To understand the biology of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection, we generated an unbiased systematic map of binary interactions between viral and host proteins, complementing previous co-complex association maps by conveying more direct mechanistic understanding and potentially enabling targeted disruption of direct interactions. To this end, we deployed two parallel strategies, identifying 205 virus-host and 27 intraviral binary interactions amongst 171 host and 19 viral proteins, and confirming high quality of these interactions via a calibrated orthogonal assay. Host proteins interacting with SARS-CoV-2 proteins are enriched in various cellular processes, including immune signaling and inflammation, protein ubiquitination, and membrane trafficking. Specific subnetworks provide new hypotheses related to viral modulation of host protein homeostasis and T-cell regulation. The binary virus-host protein interactions we identified can now be prioritized as targets for therapeutic intervention. More generally, we provide a resource of systematic maps describing which SARS-CoV-2 and human proteins interact directly.

Abstract Quantitative genetics requires large datasets of diverse phenotyped-genotyped strains from the same species. A special need is for such archived biological material and computerized data in sexually reproducing individuals from a species. Here we leverage sexual mating among close to 100 diverse natural isolates of the yeast S. cerevisiae that form about 4,000 offspring combinations in several ecologically relevant growth conditions. In a first genetic study of this new resource we focus on fitness measurements and its modes of inheritance as a quantitative trait from parents to offspring. We employ genomic barcoding of all strains and a barcode recombination technique to follow offspring of each successful mate combination. For all parents, and separately for all offspring we measure fitness under each condition. We focus on the inheritance of fitness, the ultimate evolutionary trait, and its inheritance as a quantitative trait upon sexual mating. Predicting offspring fitness given parental parameters is a major challenge as it is likely multi-factorial. We find that offspring fitness in fermentable carbon source correlates positively, yet modestly, with parental fitness, while on non-fermentable carbon, offspring fitness shows no detectable correlation with parental fitness. Instead, the non-fermentable condition, fitness of offspring increases sharply with genetic distance between their parents, suggesting that outbreeding maximizes offspring fitness irrespective of parental fitness at that condition. The number of minor alleles in the genome of each offspring, analogous to polygenic risk score in classical genetics, negatively correlates with offspring fitness in both conditions. Modeling of fitness inheritance shows that modes of inheritance are explained by either a dominance or a co-dominance models, in the fermentable and non-fermentable conditions respectively. Our newly suggested biological resource and data provide new foundations for a quantitative research in genetics and evolution upon sexual mating. Furthermore, our barcoded strains and mating tracking method provide an important research resource for the yeast community.

Abstract Legionella pneumophila uses over 300 translocated effector proteins to rewire host cells during infection and create a replicative niche for intracellular growth. To date, several studies have identified L. pneumophila effectors that indirectly and directly regulate the activity of other effectors, providing an additional layer of regulatory complexity. Amongst these are “metaeffectors” – a special class of effectors that regulate the activity of other effectors once inside the host. A defining feature of metaeffectors is direct, physical interaction with a target effector. Metaeffector identification to date has depended on phenotypes in heterologous systems and experimental serendipity. Using a multiplexed, recombinant-barcode-based yeast two-hybrid technology we screened for protein-protein interactions amongst all L. pneumophila effectors and several components of the Dot/Icm type IV secretion system (>167,000 protein combinations). Of the 52 protein interactions identified by this approach, 44 are novel protein interactions, including ten novel effector-effector interactions (doubling the number of known effector-effector interactions).

Global insights into cellular organization and function require comprehensive understanding of interactome networks. Similar to how a reference genome sequence revolutionized human genetics, a reference map of the human interactome network is critical to fully understand genotype-phenotype relationships. Here we present the first human “all-by-all” binary reference interactome map, or “HuRI”. With ~53,000 high-quality protein-protein interactions (PPIs), HuRI is approximately four times larger than the information curated from small-scale studies available in the literature. Integrating HuRI with genome, transcriptome and proteome data enables the study of cellular function within essentially any physiological or pathological cellular context. We demonstrate the use of HuRI in identifying specific subcellular roles of PPIs and protein function modulation via splicing during brain development. Inferred tissue-specific networks reveal general principles for the formation of cellular context-specific functions and elucidate potential molecular mechanisms underlying tissue-specific phenotypes of Mendelian diseases. HuRI thus represents an unprecedented, systematic reference linking genomic variation to phenotypic outcomes.