TH
Tony Hyman
Author with expertise in Regulation of RNA Processing and Function
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
9
(78% Open Access)
Cited by:
376
h-index:
12
/
i10-index:
14
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
21

High Resolution Biomolecular Condensate Phase Diagrams with a Combinatorial Microdroplet Platform

William Arter et al.Jun 5, 2020
Abstract The assembly of intracellular proteins into biomolecular condensates is a fundamental process underlying the organisation of intracellular space and the regulation of many cellular processes. Mapping and characterising phase behaviour of biomolecules is essential to understand the mechanisms of condensate assembly, and to develop therapeutic strategies targeting biomolecular condensate systems. A central concept for characterising phase-separating systems is the phase diagram. Phase diagrams are typically built from numerous individual measurements sampling different parts of the parameter space. However, even when performed in microwell plate format, this process is slow, low throughput and requires significant sample consumption. To address this challenge, we present here a combinatorial droplet microfluidic platform, termed PhaseScan, for rapid and high-resolution acquisition of multidimensional biomolecular phase diagrams. Using this platform, we characterise the phase behaviour of a wide range of systems under a variety of conditions and demonstrate that this approach allows the quantitative characterisation of the effect of small molecules on biomolecular phase transitions.
21
Citation25
0
Save
1

Molecular mechanisms of stress-induced reactivation in mumps virus condensates

Xiaojie Zhang et al.Jul 11, 2021
Summary Many viruses can establish long-term persistent infections in the human host and cause chronic diseases. Here we combine cell biology, whole-cell proteomics and cryo-electron tomography to uncover how cellular stress disrupts the host-virus equilibrium in persistent infection and induces viral replication, using a model of negative-stranded RNA viruses, the mumps virus. We show that phosphorylation of the largely disordered viral phosphoprotein coincides with increased partitioning of viral polymerase into pre-formed liquid-like condensates and the formation of a stable replication machinery. By obtaining the first atomic models for the authentic mumps virus nucleocapsid, we elucidate a concomitant conformational change that exposes the viral genome to its replication machinery. These events that occur within viral condensates upon stress, together with concerted down-regulation of the host antiviral defense, provide an environment that supports up-regulation of viral replication and constitute a stress-mediated switch that disrupts the host-virus equilibrium in persistent infection. In Brief A multi-scale approach uncovers molecular and structural basis of how cellular stress provokes activation of persistent viral infection mediated by biomolecular condensates.
1
Citation5
0
Save
77

Local thermodynamics governs the formation and dissolution of protein condensates in living cells

Anatol Fritsch et al.Feb 12, 2021
Membraneless compartments, also known as condensates, provide chemically distinct environments and thus spatially organize the cell. A well-studied example of condensates is P granules in the roundworm C. elegans which play an important role in the development of the germline. P granules are RNA-rich protein condensates that share the key properties of liquid droplets such as a spherical shape, the ability to fuse, and fast diffusion of their molecular components. An outstanding question is to what extent phase separation at thermodynamic equilibrium is appropriate to describe the formation of condensates in an active cellular environment. To address this question, we investigate the response of P granule condensates in living cells to temperature changes. We observe that P granules dissolve upon increasing the temperature and recondense upon lowering the temperature in a reversible manner. Strikingly, this temperature response can be captured by in vivo phase diagrams which are well described by a Flory-Huggins model at thermodynamic equilibrium. This finding is surprising due to active processes in a living cell. To address the impact of such active processes on intra-cellular phase separation, we discuss temperature heterogeneities. We show that, for typical estimates of the density of active processes, temperature represents a well-defined variable and that mesoscopic volume elements are at local thermodynamic equilibrium. Our findings provide strong evidence that P granule assembly and disassembly are governed by phase separation based on local thermal equilibria where the non-equilibrium nature of the cytoplasm is manifested on larger scales. SIGNIFICANCE STATEMENT Living cells rely on a continuous flux of energy to spatially organize biochemical processes. It remained unclear whether cells can achieve this spatial organization via thermodynamic principles. Here, we report the striking behavior of a cold-blooded organism that reacts to environmental temperature changes similar to a thermodynamic system at local equilibrium. Our key finding is that protein-rich droplets form and dissolve reversibly with temperature due to changes in the organism?s entropy. We show that the organism uses a specific molecule to extend droplet stability to the natural temperature range of the organism’s habitat. Due to the relevance of such protein droplets for the organism?s fertility, our works shed light on how molecular components could facilitate biological functions via thermodynamic principles.
34

Quantitative Theory for the Diffusive Dynamics of Liquid Condensates

Lars Hubatsch et al.Mar 8, 2021
Abstract To unravel the biological functions of membraneless liquid condensates it is crucial to develop a quantitative understanding of the physics underlying their dynamics. Key processes within such condensates are diffusion and material exchange with their environment. Experimentally, diffusive dynamics are typically probed via fluorescent labels. However, to date we lack a physics-based quantitative framework for the dynamics of labeled condensate components. Here, we derive the corresponding theory, building on the physics of phase separation, and quantitatively validate this framework via experiments. We show that using our theory we can precisely determine diffusion coefficients inside liquid condensates via a spatio-temporal analysis of fluorescence recovery after photobleaching (FRAP) experiments. We showcase the accuracy and precision of our approach by considering space- and time-resolved data of protein condensates and two different polyelectrolyte-coacervate systems. Strikingly, our theory can also be used to determine the diffusion coefficient in the dilute phase and the partition coefficient, without relying on fluorescence measurements in the dilute phase. This bypasses recently described quenching artefacts in the dense phase, which can underestimate partition coefficients by orders of magnitude. Our experimentally verified theory opens new avenues for theoretically describing molecule dynamics in condensates, measuring concentrations based on the dynamics of fluorescence intensities and quantifying rates of biochemical reactions in liquid condensates.
0

PICNIC accurately predicts condensate-forming proteins regardless of their structural disorder across organisms

Anna Hadarovich et al.Jun 5, 2023
Abstract Biomolecular condensates are membraneless organelles that can concentrate hundreds of different proteins to operate essential biological functions. However, accurate identification of their components remains challenging and biased towards proteins with high structural disorder content with focus on self-phase separating (driver) proteins. Here, we present a machine learning algorithm, PICNIC (Proteins Involved in CoNdensates In Cells) to classify proteins involved in biomolecular condensates regardless of their role in condensate formation. PICNIC successfully predicts condensate members by identifying amino acid patterns in the protein sequence and structure in addition to the intrinsic disorder and outperforms previous methods. We performed extensive experimental validation in cellulo and demonstrated that PICNIC accurately predicts 21 out of 24 condensate-forming proteins regardless of their structural disorder content. Even though increasing disorder content was associated with organismal complexity, we found no correlation between predicted condensate proteome content and disorder content across organisms. Overall, we applied a novel machine learning classifier to interrogate condensate components at single protein and whole-proteome levels across the tree of life ( picnic.cd-code.org ).