Making Connections Genetic interaction profiles highlight cross-connections between bioprocesses, providing a global view of cellular pleiotropy, and enable the prediction of genetic network hubs. Costanzo et al. (p. 425 ) performed a pairwise fitness screen covering approximately one-third of all potential genetic interactions in yeast, examining 5.4 million gene-gene pairs and generating quantitative profiles for ∼75% of the genome. Of the pairwise interactions tested, about 3% of the genes investigated interact under the conditions tested. On the basis of these data, a reference map for the yeast genetic network was created.

The Contaminant Repository for Affinity Purification (CRAPome) is a database of annotated negative control-data that can be used for filtering out nonspecific interactions in affinity purification-mass spectrometry experiments. Affinity purification coupled with mass spectrometry (AP-MS) is a widely used approach for the identification of protein-protein interactions. However, for any given protein of interest, determining which of the identified polypeptides represent bona fide interactors versus those that are background contaminants (for example, proteins that interact with the solid-phase support, affinity reagent or epitope tag) is a challenging task. The standard approach is to identify nonspecific interactions using one or more negative-control purifications, but many small-scale AP-MS studies do not capture a complete, accurate background protein set when available controls are limited. Fortunately, negative controls are largely bait independent. Hence, aggregating negative controls from multiple AP-MS studies can increase coverage and improve the characterization of background associated with a given experimental protocol. Here we present the contaminant repository for affinity purification (the CRAPome) and describe its use for scoring protein-protein interactions. The repository (currently available for Homo sapiens and Saccharomyces cerevisiae) and computational tools are freely accessible at http://www.crapome.org/ .

Bromodomains (BRDs) are protein interaction modules that specifically recognize ε-N-lysine acetylation motifs, a key event in the reading process of epigenetic marks. The 61 BRDs in the human genome cluster into eight families based on structure/sequence similarity. Here, we present 29 high-resolution crystal structures, covering all BRD families. Comprehensive crossfamily structural analysis identifies conserved and family-specific structural features that are necessary for specific acetylation-dependent substrate recognition. Screening of more than 30 representative BRDs against systematic histone-peptide arrays identifies new BRD substrates and reveals a strong influence of flanking posttranslational modifications, such as acetylation and phosphorylation, suggesting that BRDs recognize combinations of marks rather than singly acetylated sequences. We further uncovered a structural mechanism for the simultaneous binding and recognition of diverse diacetyl-containing peptides by BRD4. These data provide a foundation for structure-based drug design of specific inhibitors for this emerging target family.

The multisubunit eukaryotic translation initiation factor (eIF) 4F recruits 40S ribosomal subunits to the 5' end of mRNA. The eIF4F subunit eIF4E interacts directly with the mRNA 5' cap structure. Assembly of the eIF4F complex is inhibited by a family of repressor polypeptides, the eIF4E-binding proteins (4E-BPs). Binding of the 4E-BPs to eIF4E is regulated by phosphorylation: Hypophosphorylated 4E-BP isoforms interact strongly with eIF4E, whereas hyperphosphorylated isoforms do not. 4E-BP1 is hypophosphorylated in quiescent cells, but is hyperphosphorylated on multiple sites following exposure to a variety of extracellular stimuli. The PI3-kinase/Akt pathway and the kinase FRAP/mTOR signal to 4E-BP1. FRAP/mTOR has been reported to phosphorylate 4E-BP1 directly in vitro. However, it is not known if FRAP/mTOR is responsible for the phosphorylation of all 4E-BP1 sites, nor which sites must be phosphorylated to release 4E-BP1 from eIF4E. To address these questions, a recombinant FRAP/mTOR protein and a FRAP/mTOR immunoprecipitate were utilized in in vitro kinase assays to phosphorylate 4E-BP1. Phosphopeptide mapping of the in vitro-labeled protein yielded two 4E-BP1 phosphopeptides that comigrated with phosphopeptides produced in vivo. Mass spectrometry analysis indicated that these peptides contain phosphorylated Thr-37 and Thr-46. Thr-37 and Thr-46 are efficiently phosphorylated in vitro by FRAP/mTOR when 4E-BP1 is bound to eIF4E. However, phosphorylation at these sites was not associated with a loss of eIF4E binding. Phosphorylated Thr-37 and Thr-46 are detected in all phosphorylated in vivo 4E-BP1 isoforms, including those that interact with eIF4E. Finally, mutational analysis demonstrated that phosphorylation of Thr-37/Thr-46 is required for subsequent phosphorylation of several carboxy-terminal serum-sensitive sites. Taken together, our results suggest that 4E-BP1 phosphorylation by FRAP/mTOR on Thr-37 and Thr-46 is a priming event for subsequent phosphorylation of the carboxy-terminal serum-sensitive sites.

INTRODUCTION Genetic interactions occur when mutations in two or more genes combine to generate an unexpected phenotype. An extreme negative or synthetic lethal genetic interaction occurs when two mutations, neither lethal individually, combine to cause cell death. Conversely, positive genetic interactions occur when two mutations produce a phenotype that is less severe than expected. Genetic interactions identify functional relationships between genes and can be harnessed for biological discovery and therapeutic target identification. They may also explain a considerable component of the undiscovered genetics associated with human diseases. Here, we describe construction and analysis of a comprehensive genetic interaction network for a eukaryotic cell. RATIONALE Genome sequencing projects are providing an unprecedented view of genetic variation. However, our ability to interpret genetic information to predict inherited phenotypes remains limited, in large part due to the extensive buffering of genomes, making most individual eukaryotic genes dispensable for life. To explore the extent to which genetic interactions reveal cellular function and contribute to complex phenotypes, and to discover the general principles of genetic networks, we used automated yeast genetics to construct a global genetic interaction network. RESULTS We tested most of the ~6000 genes in the yeast Saccharomyces cerevisiae for all possible pairwise genetic interactions, identifying nearly 1 million interactions, including ~550,000 negative and ~350,000 positive interactions, spanning ~90% of all yeast genes. Essential genes were network hubs, displaying five times as many interactions as nonessential genes. The set of genetic interactions or the genetic interaction profile for a gene provides a quantitative measure of function, and a global network based on genetic interaction profile similarity revealed a hierarchy of modules reflecting the functional architecture of a cell. Negative interactions connected functionally related genes, mapped core bioprocesses, and identified pleiotropic genes, whereas positive interactions often mapped general regulatory connections associated with defects in cell cycle progression or cellular proteostasis. Importantly, the global network illustrates how coherent sets of negative or positive genetic interactions connect protein complex and pathways to map a functional wiring diagram of the cell. CONCLUSION A global genetic interaction network highlights the functional organization of a cell and provides a resource for predicting gene and pathway function. This network emphasizes the prevalence of genetic interactions and their potential to compound phenotypes associated with single mutations. Negative genetic interactions tend to connect functionally related genes and thus may be predicted using alternative functional information. Although less functionally informative, positive interactions may provide insights into general mechanisms of genetic suppression or resiliency. We anticipate that the ordered topology of the global genetic network, in which genetic interactions connect coherently within and between protein complexes and pathways, may be exploited to decipher genotype-to-phenotype relationships. A global network of genetic interaction profile similarities. ( Left ) Genes with similar genetic interaction profiles are connected in a global network, such that genes exhibiting more similar profiles are located closer to each other, whereas genes with less similar profiles are positioned farther apart. ( Right ) Spatial analysis of functional enrichment was used to identify and color network regions enriched for similar Gene Ontology bioprocess terms.

Anne-Claude Gingras, Scott G. Kennedy, Maura A. O’Leary, Nahum Sonenberg, and Nissim Hay Department of Biochemistry, McGill University Montreal, Quebec, Canada H3G 1Y6; and Department of Pharmacological and Physiological Sciences and The Ben May Institute for Cancer Research, The University of Chicago, Chicago, Illinois 60637 USA

In most instances, translation is regulated at the initiation phase, when a ribosome is recruited to the 5′ end of an mRNA. The eIF4E-binding proteins (4E-BPs) interdict translation initiation by binding to the translation factor eIF4E, and preventing recruitment of the translation machinery to mRNA. The 4E-BPs inhibit translation in a reversible manner. Hypophosphorylated 4E-BPs interact avidly with eIF4E, whereas 4E-BP hyperphosphorylation, elicited by stimulation of cells with hormones, cytokines, or growth factors, results in an abrogation of eIF4E-binding activity. We reported previously that phosphorylation of 4E-BP1 on Thr 37 and Thr 46 is relatively insensitive to serum deprivation and rapamycin treatment, and that phosphorylation of these residues is required for the subsequent phosphorylation of a set of unidentified serum-responsive sites. Here, using mass spectrometry, we identify the serum-responsive, rapamycin-sensitive sites as Ser 65 and Thr 70. Utilizing a novel combination of two-dimensional isoelectric focusing/SDS-PAGE and Western blotting with phosphospecific antibodies, we also establish the order of 4E-BP1 phosphorylation in vivo; phosphorylation of Thr 37/Thr 46 is followed by Thr 70 phosphorylation, and Ser 65 is phosphorylated last. Finally, we show that phosphorylation of Ser 65 and Thr 70 alone is insufficient to block binding to eIF4E, indicating that a combination of phosphorylation events is necessary to dissociate 4E-BP1 from eIF4E.

Saliva is an alternative biofluid to serum for detecting and monitoring IgG to SARS-CoV-2 spike and RBD antigens in COVID-19.

A statistical framework for assigning confidence scores for protein-protein interaction data generated via affinity purification–mass spectrometry, called significance analysis of interactome (SAINT) is described. We present 'significance analysis of interactome' (SAINT), a computational tool that assigns confidence scores to protein-protein interaction data generated using affinity purification–mass spectrometry (AP-MS). The method uses label-free quantitative data and constructs separate distributions for true and false interactions to derive the probability of a bona fide protein-protein interaction. We show that SAINT is applicable to data of different scales and protein connectivity and allows transparent analysis of AP-MS data.