Integrative in-cell structural biology In bacteria, RNA polymerases can associate with ribosomes to form transcription-translation units called expressomes. Multiple models based on structural data of in vitro reconstitution assays have been proposed for how the two machineries interface with one another. Understanding this bacteria-specific coupling mechanism offers insight regarding the central dogma of molecular biology and might be leveraged for antibiotic development. O'Reilly et al. found that the NusA protein interfaces between the two complexes. The authors combined cryo–electron tomography and cross-linking mass spectrometry to produce an integrative model of the transcribing, translating expressome of Mycoplasma pneumoniae obtained entirely from in-cell data. This approach contributes to the development of in-cell structural biology. Science , this issue p. 554

Abstract Structural biology performed inside cells can capture molecular machines in action within their native context. Here we develop an integrative in-cell structural approach using the genome-reduced human pathogen Mycoplasma pneumoniae . We combine whole-cell crosslinking mass spectrometry, cellular cryo-electron tomography, and integrative modeling to determine an in-cell architecture of a transcribing and translating expressome at sub-nanometer resolution. The expressome comprises RNA polymerase (RNAP), the ribosome, and the transcription elongation factors NusG and NusA. We pinpoint NusA at the interface between a NusG-bound elongating RNAP and the ribosome, and propose it could mediate transcription-translation coupling. Translation inhibition dissociates the expressome, whereas transcription inhibition stalls and rearranges it, demonstrating that the active expressome architecture requires both translation and transcription elongation within the cell.

Summary Accurately modeling the structures of proteins and their complexes using artificial intelligence is revolutionizing molecular biology. Experimental data enables a candidate-based approach to systematically model novel protein assemblies. Here, we use a combination of in-cell crosslinking mass spectrometry, cofractionation mass spectrometry (CoFrac-MS) to identify protein-protein interactions in the model Gram-positive bacterium Bacillus subtilis . We show that crosslinking interactions prior to cell lysis reveals protein interactions that are often lost upon cell lysis. We predict the structures of these protein interactions and others in the Subti Wiki database with AlphaFold-Multimer and, after controlling for the false-positive rate of the predictions, we propose novel structural models of 153 dimeric and 14 trimeric protein assemblies. Crosslinking MS data independently validates the AlphaFold predictions and scoring. We report and validate novel interactors of central cellular machineries that include the ribosome, RNA polymerase and pyruvate dehydrogenase, assigning function to several uncharacterized proteins. Our approach uncovers protein-protein interactions inside intact cells, provides structural insight into their interaction interface, and is applicable to genetically intractable organisms, including pathogenic bacteria.

Abstract Translation is the fundamental process of protein synthesis and is catalysed by the ribosome in all living cells. Here, we use cryo-electron tomography and sub-tomogram analysis to visualize the dynamics of translation inside the prokaryote Mycoplasma pneumoniae . We first obtain an in-cell atomic model for the M. pneumoniae ribosome that reveals distinct extensions of ribosomal proteins. Classification then resolves thirteen ribosome states that differ in conformation and composition and reflect intermediates during translation. Based on these states, we animate translation elongation and demonstrate how antibiotics reshape the translation landscape inside cells. During translation elongation, ribosomes often arrange in a defined manner to form polysomes. By mapping the intracellular three-dimensional organization of translating ribosomes, we show that their association into polysomes exerts a local coordination mechanism that is mediated by the ribosomal protein L9. Our work demonstrates the feasibility of visualizing molecular processes at atomic detail inside cells.

Crosslinking mass spectrometry is widening its scope from structural analyzes of purified multi-protein complexes towards systems-wide analyzes of protein-protein interactions. Assessing the error in these large datasets is currently a challenge. Using a controlled large-scale analysis of Escherichia coli cell lysate, we demonstrate a reliable false-discovery rate estimation procedure for protein-protein interactions identified by crosslinking mass spectrometry.

ABSTRACT Cross-linking/mass spectrometry (CLMS) has undergone a maturation process akin to standard proteomics by adapting key methods such as false discovery rate control and quantification. A seldom-used search setting in proteomics is the consideration of multiple (lighter) alternative values for the monoisotopic precursor mass to compensate for possible misassignments of the monoisotopic peak. Here, we show that monoisotopic peak assignment is a major weakness of current data handling approaches in cross-linking. Cross-linked peptides often have high precursor masses, which reduces the presence of the monoisotopic peak in the isotope envelope. Paired with generally low peak intensity, this generates a challenge that may not be completely solvable by precursor mass assignment routines. We therefore took an alternative route by ‘in-search assignment of the monoisotopic peak’ in Xi (Xi-MPA), which considers multiple precursor masses during database search. We compare and evaluate the performance of established preprocessing workflows that partly correct the monoisotopic peak and Xi-MPA on three publicly available datasets. Xi-MPA always delivered the highest number of identifications with ~2 to 4-fold increase of PSMs without compromising identification accuracy as determined by FDR estimation and comparison to crystallographic models.

ATP fuels crucial cellular processes and is obtained mostly by oxidative phosphorylation (OXPHOS) at the inner mitochondrial membrane. While significant progress has been made in mechanistic understanding of ATP production, critical aspects surrounding its substrate supply logistics are poorly understood. We identify an interaction between mitochondrial apoptosis-inducing factor 1 (AIFM1) and adenylate kinase 2 (AK2) as gatekeeper of ATP synthase. This interaction is NADH-dependent and influenced by glycolysis, linking it to the cell's metabolic state. Genetic interference with AIFM1/AK2 association impedes the ability of Caenorhabditis elegans animals to handle altered metabolic rates and nutrient availability. Together, the results imply AIFM1 as a cellular NADH sensor, placing AK2 next to the OXPHOS complexes for local ADP regeneration as the substrate for ATP synthesis. This metabolic signal relay balances ATP synthase substrate supply against ATP conservation, enabling cells to adapt to fluctuating energy availability, with possible implications for AIFM1-related mitochondrial diseases.

A significant challenge in our understanding of biological systems is the high number of genes with unknown function in many genomes. The fungal genus Aspergillus contains important pathogens of humans, model organisms, and microbial cell factories. Aspergillus niger is used to produce organic acids, proteins, and is a promising source of new bioactive secondary metabolites. Out of the 14,165 open reading frames predicted in the A. niger genome of only 2% have been experimentally verified and over 6,000 are hypothetical. Here we show that gene co-expression network analysis can be used to overcome this limitation. A meta-analysis of 155 transcriptomics experiments generated co-expression networks for 9,579 genes (~65%) of the A. niger genome. By populating this dataset with over 1,200 gene functional experiments from the genus Aspergillus and performing gene ontology enrichment, we could infer biological processes for 9,263 of A. niger genes, including 2,970 hypothetical genes. Experimental validation of selected co-expression sub-networks uncovered four transcription factors involved in secondary metabolite synthesis, which were used to activate production of multiple natural products. This study constitutes a significant step towards systems-level understanding of A. niger, and the datasets can be used to fuel discoveries of model systems, fungal pathogens, and biotechnology.

Abstract Proteome-wide crosslinking mass spectrometry studies have coincided with the advent of MS-cleavable crosslinkers that can reveal the individual masses of the two crosslinked peptides. However, recently such studies have also been published with non-cleavable crosslinkers suggesting that MS-cleavability is not essential. We therefore examined in detail the advantages and disadvantages of using the most popular MS-cleavable crosslinker, DSSO. Indeed, DSSO gave rise to signature peptide fragments with a distinct mass difference (doublet) for nearly all identified crosslinked peptides. Surprisingly, we could show that it was not these peptide masses that proved the main advantage of MS-cleavability of the crosslinker, but improved peptide backbone fragmentation that allowed for more confident peptide identification. We also show that the more intricate MS3-based data acquisition approaches lack sensitivity and specificity, causing them to be outperformed by the simpler and faster stepped HCD method. This understanding will guide future developments and applications of proteome-wide crosslinking mass spectrometry.