蛋白质相互作用及互作网络的生物信息学分析

后基因组时代的最终目标是认识真正执行生命活动的全部蛋白质的表达规律和生物学功能,即蛋白质组学研究。关键的挑战之一就是对蛋白质相互作用网络的研究,将有助于从系统角度加深对细胞结构和功能的认识,并且为新药靶位点的发现和药物设计提供理论基础。目前,用生物信息学的手段来研究蛋白质相互作用网络显示出巨大的优势,主要包括蛋白质相互作用网络的绘制与显示、网络的拓扑结构分析、网络结构模块的研究及网络的比对等。文章试图从生物信息学的角度认识蛋白质相互作用,并总结蛋白质相互作用网络的生物信息学分析方法。

蛋白质相互作用的生物信息学研究进展

生命过程的分子基础在于生物分子之间的相互作用,其中蛋白质分子之间的相互作用占有极其重要的地位。研究蛋白质相互作用对于理解生命的真谛、探讨致病微生物的致病机理,以及研究新药提高人们的健康水平具有重要的作用。用生物信息学的方法研究蛋白质的相互作用已经取得了许多重要的成果,但也有很多问题还需解决。本文从蛋白质相互作用的数据库、预测方法、可预测蛋白质相互作用的网上服务、蛋白质相互作用网络等几方面,对蛋白质相互作用的生物信息学研究成果及其存在的问题做了概述。

蛋白质相互作用网络的蜂群信息流聚类模型与算法

蛋白质相互作用网络的聚类算法研究是充分理解分子的结构、功能及识别蛋白质的功能模块的重要方法.很多传统聚类算法对于蛋白质相互作用网络聚类效果不佳.功能流模拟算法是一种新型聚类算法,但该算法没有考虑到距离的作用效果并且需要人为地设置合并阈值,带有主观性.文中提出了一种新颖的基于蜂群优化机理的信息流聚类模型与算法.该方法中,数据预处理采用结点网络综合特征值的排序来初始化聚类中心,将蜂群算法的蜜源位置对应于其聚类中心,蜜源的收益度大小对应于模块间的相似度,采蜜蜂结点的所有邻接点按照结点网络综合特征值的降序排列,作为侦察蜂的搜索邻域.采用正确率、查全率等指标对聚类效果做出客观评价,并对算法的一些关键参数进行仿真、对比与分析.结果表明新算法不仅克服了原功能流模拟算法的缺点,且其正确率和查全率的几何平均值最高,能够有效地识别蛋白质功能模块.

预测蛋白质间相互作用的生物信息学方法

后基因组时代的研究模式,已从原来的序列-结构-功能转向基因表达-系统动力学-生理功能。建立蛋白质间相互作用的完全网络,即蛋白质相互作用组(interactome),将有助于从系统角度加深对细胞结构和功能的认识,并为新药靶点的发现和药物设计提供理论基础。一系列系统分析蛋白质相互作用的实验方法已经建立,近年来,出现了多种预测蛋白质相互作用的生物信息学方法,这些方法不仅是对传统实验方法的有价值的补充,而且能够扩展实验方法的预测范围;同时,在开发这些方法的过程中建立了一些重要的分子进化和分子生物学概念。本文综述了9种生物信息学方法的原理、方法评估、存在的问题,并分析了这个领域的发展前景。

生物信息学方法在预测蛋白质相互作用中的应用

生物信息学是一门数学、统计学、计算机与生物交叉结合的新兴学科。随着后基因组时代的来临,生物信息学的研究重点从基因组测序工作逐渐转移到对已测序基因组的功能进行注释,尤其是蛋白质与蛋白质之间相互作用的研究。以下将重点介绍生物信息学在蛋白质相互作用预测中的应用,以及不同的预测方法各自的优缺点及发展状况。

评估蛋白质相互作用可信度的生物信息学方法

随着基因组规模的高通量实验鉴定技术和计算预测方法的发展,出现了大量蛋白质相互作用数据,但大规模蛋白质相互作用数据中的较高比例的假阳性影响了相互作用数据的质量。生物信息学方法能够从已有的数据和知识出发,通过计算方法系统评估大规模蛋白质相互作用的可信度。本文从过程模型设计、数据集构建、特征选择与综合属性抽取、一些算法使用、实例概述等方面介绍了生物信息学方法评估蛋白质相互作用可信度的研究特点与进展。

生物信息学方法预测蛋白质相互作用网络中的功能模块

蛋白质相互作用是大多数生命过程的基础。随着高通量实验技术和计算机预测方法的发展,在各种生物中已获得了数目十分庞大的蛋白质相互作用数据,如何从中提取出具有生物学意义的数据是一项艰巨的挑战。从蛋白质相互作用数据出发获得相互作用网络进而预测出其中的功能模块,对于蛋白质功能预测、揭示各种生化反应过程的分子机理都有着极大的帮助。我们分类概括了用生物信息学预测蛋白质相互作用功能模块的方法,以及对这些方法的评价,并介绍了蛋白质相互作用网络比较的一些方法。

Neuritin结构组成分析及其相互作用蛋白生物信息学预测

目的对Neuritin的理化性质及结构组成,蛋白质相互作用网络进行生物信息学预测分析,为进一步研究Neuritin的功能和作用机制提供新的思路与方向。方法应用Protscale和ProtParam、TMHMM、SignalP、PSORTⅡ、NetNGlyc、NetOGlyc和Netphos等软件,分析Neuritin的理化性质、跨膜结构、信号肽结构、亚细胞定位以及翻译后修饰位点;利用Protean、tFold以及AlaphFold等软件和数据库,分析Neuritin的二级和三级结构;同时,利用STRING数据库构建Neuritin蛋白质相互作用网络。结果Neuritin的相对分子质量为15332.77,理论等电点(PI)为6.54。不稳定系数27.26,属于较稳定蛋白;脂肪系数98.31;总平均亲水性0.208,属于疏水性蛋白;Neuritin表达产物N端27个氨基酸为信号肽,C端27个氨基酸为GPI锚定序列,为跨膜区;其亚细胞定位及可能性分别为胞外(34.8%)、细胞膜(34.8%)、内质网(17.4%)及高尔基体(13.0%);无N糖基化及O糖基化位点,存在11个磷酸化位点;由5段α-螺旋构成其主体结构;相互作用蛋白网络包括离子型谷氨酸受体AMPA(Gria)家族、嗅觉介导素(Olfm)家族等10个蛋白。结论Neuritin为经典的分泌蛋白,具有多个磷酸化氨基酸残基的潜在位点,整体呈现疏水性质,可能通过Gria蛋白家族发挥兴奋性突触传递作用,通过Cacng2蛋白调控胞内钙通路产生生物学效应,本研究为进一步探讨Neuritin的功能及发挥作用的机制提供了依据。

蛋白质相互作用网络进化分析研究进展

近年来,随着高通量实验技术的发展和广泛应用,越来越多可利用的蛋白质相互作用网络数据开始出现.这些数据为进化研究提供了新的视角.从蛋白质、蛋白质相互作用、模体、模块直到整个网络五个层次,综述了近年来蛋白质相互作用网络进化研究领域的主要进展,侧重于探讨蛋白质相互作用、模体、模块直到整个网络对蛋白质进化的约束作用,以及蛋白质相互作用网络不同于随机网络特性的起源和进化等问题.总结了前人工作给学术界的启示,探讨了该领域未来可能的发展方向.

基于序列功能注释的蛋白质相互作用预测方法研究

蛋白质-蛋白质相互作用(PPI)是大多数细胞过程和生物功能的基础。该研究基于蛋白质功能注释方法(FNM)首次提出了结合蛋白的重要性的方法、结构域相互作用、基因本体论注释序列和注释;然后融合不同的策略,分别建立了3种方法结合的蛋白质序列特征与FNM功能注释功能。利用蛋白质相互作用预测构建蛋白质相互作用网络是进一步理解蛋白质功能的必要前提,也是理解细胞新陈代谢及复杂疾病形成发生的基础和关键。

AFM观察小鼠心肌核DNA转录调控和蛋白质相互作用

用原子力显微镜(AFM)直接观察、体外转录、PAGE电泳等多种实验技术组合,发现小白鼠(Balb/c)心肌核DNA片段中非转录状态的活性基因仅两端的调控序列结合支架蛋白(不可解离蛋白),同时非共价键特异结合自己编码的蛋白质与特定辅助信息小分子所形成的复合体(可解离蛋白)等多种转录调控蛋白质,中间的编码序列无结合蛋白质。转录状态的基因除两端的调控序列特异结合上述两类蛋白质外,中间的编码序列还以非共价键特异结合可完全解离的转录活性因子等多种蛋白质。本工作展示了未来运用AFM观察和体外转录等技术组合研究基因表达与调控机制的前景,并为阅读人类基因组图谱中确定某一特定基因的位置奠定了理论基础。

基于最短路径的蛋白质相互作用网络拓扑分析

为了进行对蛋白质相互作用网络的拓扑分析,应用最短路径技术对蛋白质相互作用数据库(DIP)中包括酵母在内的7个物种的8个蛋白质相互作用网络进行了研究,包括对网络直径、特征路径长度、连通效率、顶点介数与顶点度的相关性以及高介数边和长间隔边在网络连通中的作用的研究。分析发现,这些网络对随机移除一定数量的蛋白质顶点(或边)具有很好的健壮性,但对高介数顶点(或边)的确定性移除却相当脆弱,而且按顺序移除2%高介数顶点所引起的网络连通效率下降明显大于随机移除10%顶点所引起的网络连通效率变化;所研究的7个物种的网络都存在不同比例的边缺失替代路径,绝大多数网络在移除一定比例的长间隔边后网络连通效率下降。

蛋白质相互作用网络的几种聚类方法综述

蛋白质相互作用网络是后基因组时代系统生物学研究的重要内容。针对蛋白质相互作用网络中的聚类问题,介绍了几种代表性的聚类分析方法,初步分析了这些方法的特点,指出了当前研究工作的困难与挑战,并对今后的研究方向作了展望。

啤酒酵母、秀丽线虫和大肠杆菌蛋白质相互作用网络的近似二分模式分析

在深入分析啤酒酵母、秀丽线虫和大肠杆菌的蛋白质-蛋白质相互作用(PPI)网络模式的基础上,针对近似二分模式的挖掘,改进已有模型并提出了二分系数这一评价标准.实验结果表明,在相同条件下,所提出的模型比先前的模型效果略好,可以有效地挖掘出PPI网络中的近似二分模式.

蛋白质相互作用预测的核最近邻算法

利用一种新的核方法即核最近邻算法预测蛋白质相互作用,算法新颖、简洁,容易实现。实验结果表明,核最近邻算法的预测效果优于传统的最近邻算法及其他已有的预测方法,可以作为蛋白质相互作用预测的一个有效工具。

基于网格的分布式数据计算预测蛋白质相互作用关系

随着不同物种蛋白质相互作用关系数据的大量积累,蛋白质相互作用特别是大规模蛋白质相互作用的研究成为生命科学领域的又一个研究热点。目前互联网上存在大量分布式的、异构的蛋白质相互作用关系数据源,用户难以高效地整合这些数据源中的信息。本文针对多个大容量的蛋白质相互作用关系数据库,在数据网格BD-Grid环境下,提出了预测蛋白质相互作用关系通用结构框架,通过有效的元数据管理服务和合理的数据分类服务,屏蔽异构数据库间的差异,实现了用户对数据的透明存取,并在该数据平台上,实现了预测蛋白质相互作用关系的应用,使相关领域的研究人员能以生物信息学的方法研究蛋白质的相互作用关系。初步的实验结果说明,该BD-Grid具有较好的性能。

基于支持向量机的蛋白质相互作用位点预测

蛋白质的功能常体现在生物大分子的相互作用中,识别蛋白质相互作用位点对于研究蛋白质功能发挥着重要作用。蛋白质间主要通过表面残基发生相互作用,蛋白质相互作用形成复合体时,只有部分表面残基参与了该过程。基于序列谱信息,提取序列上相邻残基的序列谱作为输入特征向量,对大小为3和7的残基信息窗(win3,win7),分别采用支持向量机(SVM)分类器对蛋白质相互作用位点进行预测、比较和分析。最终实验结果为:win3的平均正确率为69.31%,win7的平均正确率为69.68%。

基于多窗口不同特征的蛋白质相互作用位点预测

识别蛋白质相互作用位点在蛋白质功能研究中发挥着重要作用.文章从蛋白质序列出发,提取相关特征——序列谱、序列谱+信息熵,分别形成多个滑动窗口,以此构造输入特征向量.采用"留一法"生成训练数据集和测试数据集,使用支持向量机构建6种分类器,预测测试集中的表面残基是否是蛋白质相互作用位点,得到了较好的结果,说明了实验方法的有效性和可行性.

蛋白质相互作用数据库系统的设计与实现

蛋白质相互作用的研究是当前生命科学的前沿和热点,随着研究逐渐深入,已经产生了大量的实验数据。为了保存、利用这些宝贵的数据,给有关研究工作提供一个便捷的工具,基于Apache、MySQL、CakePHP开发环境,初步构建了蛋白质相互作用数据库系统,具备信息远程增、删、改、查功能,并优化了人机界面,从而为设计功能更加强大的蛋白质相互作用数据库研究平台创造了有利条件。

蛋白质相互作用网络的相似子网搜索问题研究

蛋白质相互作用网络(Protein-Protein Interactions Network,PIN)的相似性问题是目前生物信息学领域研究的热点。将计算机科学和生物学相结合,提出了蛋白质相互作用网络邻居优先搜索算法。该算法综合蛋白质的序列信息和蛋白质相互作用网络的拓扑结构信息,适度提高与相似蛋白质有直接相互作用的蛋白质之间的相似系数,实现了不同物种间蛋白质相互作用相似子网络的搜索。与同类算法的对比实验表明,该算法可以处理更大规模的目标子网搜索,计算速度明显提高,且利用该算法获得的结果与目标子网具有更长的相似路径。论文采用该算法研究了酵母和果蝇的蛋白质相互作用网络,获得了10条相对保守的蛋白质相互作用(Protein-Protein Interactions,PPI)。