Cluster Viz:集成于Cytoscape的聚类可视化插件

生物网络中的聚类分析是功能模块识别及蛋白质功能预测的重要方法,聚类结果的可视化对于快速有效地分析生物网络结构也具有重要作用。通过分析生物网络显示和分析平台Cytoscape的架构,设计了一个使用方便的聚类分析和显示插件ClusterViz。这是一个可扩展的聚类算法的集成平台,可以不断增加其中的聚类算法,并对不同算法的结果进行比较分析,目前已实现了三种典型的算法实例。该插件能够成为蛋白质相互作用网络机理研究的一个有效工具。     

蛋白质网络聚类算法分析平台的设计与实现

蛋白质网络聚类是识别功能模块的重要手段,不仅有利于理解生物系统的组织结构,对预测蛋白质功能也具有重要的意义。针对目前蛋白质网络聚类算法缺乏有效分析软件的事实,本文设计并实现了一个新的蛋白质网络聚类算法分析平台ClusterE。该平台实现了查全率、查准率、敏感性、特异性、功能富集分析等聚类评估方法,并且集成了FAG-EC、Dpclus、Monet、IPC-MCE、IPCA等聚类算法,不仅可以对蛋白质网络聚类分析结果进行可视化,并且可以在不同聚类分析指标下对多个聚类算法进行可视化比较与分析。该平台具有良好的扩展性,其中聚类算法以及聚类评估方法都是以插件形式集成到系统中。     

基于Cytoscape的蛋白质网络可视化聚类分析插件

蛋白质网络聚类是识别功能模块的重要手段,不仅有利于理解生物系统的组织结构,对预测蛋白质功能也具有重要的意义.聚类结果的可视化分析是实现蛋白质网络聚类的有效途径.本论文基于开源的Cytoscape平台,设计并实现了一个蛋白质网络聚类分析及可视化插件CytoCluster.该插件集成了MCODE,FAG-EC,HC-PIN,OH-PIN,IPCA,EAGLE等六种典型的聚类算法;实现了聚类结果的可视化,将分析所得的clusters以缩略图列表的形式直观地显示出来,对于单个cluster,可显示在原网络中的位置,并能生成相应的子图单独显示;可对聚类结果进行导出,记录了算法名称、参数、聚类结果等信息.该插件具有良好的扩展性,提供了统一的算法接口,可不断添加新的聚类算法.     

基于蛋白质互作网络挖掘自闭症谱系障碍的功能模块与核心基因

自闭症谱系障碍(autism spectrum disorder, ASD)是一种具有高遗传性、临床异质性和生物复杂性的神经行为障碍类疾病。为挖掘ASD发生发展过程中的功能模块与核心基因,本文从自闭症谱系障碍疾病数据库获取ASD相关基因;利用STRING数据库构建ASD相关基因的蛋白质互作网络;通过MCODE算法对蛋白质互作网络进行模块分析并筛选核心基因;最后对各功能模块进行KEGG通路分析,根据富集到的通路类别评估功能模块之间的相互作用。结果显示, 3个疾病基因数据库筛选出182个共有基因,构建的蛋白质互作网络包含171个节点和1 041条边,其中NRXN1、GRIN2B、GRIN2A、DLG4、NLGN3、MECP2、CNTNAP2、BDNF、NLGN4X、FMR1等23个基因具有较高的连通度(degree)。从蛋白质互作网络中分析得到5个功能模块,包括68个核心基因。KEGG富集分析发现功能模块参与多个生物学通路,包括细胞黏附分子、钙离子通路、神经活性的配体-受体相互作用、多巴胺能神经突触等。分析结果提示,挖掘的ASD功能模块和核心基因大多集中在神经元活动、信号分子和信号传导等,且各模块相互作用共同影响ASD的发生发展。     

基于蛋白质网络功能模块的蛋白质功能预测

在破译了基因序列的后基因组时代,随着系统生物学实验的快速发展,产生了大量的蛋白质相互作用数据,利用这些数据寻找功能模块及预测蛋白质功能在功能基因组研究中具有重要意义.打破了传统的基于蛋白质间相似度的聚类模式,直接从蛋白质功能团的角度出发,考虑功能团间的一阶和二阶相互作用,提出了模块化聚类方法(MCM),对实验数据进行聚类分析,来预测模块内未知蛋白质的功能.通过超几何分布P值法和增、删、改相互作用的方法对聚类结果进行预测能力分析和稳定性分析.结果表明,模块化聚类方法具有较高的预测准确度和覆盖率,有很好的容错性和稳定性.此外,模块化聚类分析得到了一些具有高预测准确度的未知蛋白质的预测结果,将会对生物实验有指导意义,其算法对其他具有相似结构的网络也具有普遍意义.     

一个生物网络比对的启发式算法

随着各种高通量生物实验技术的发明和广泛应用,越来越多的分子生物网络数据被公布.有效而且可靠的比对这些网络对检测分子生物网络的保守性功能模块和推测物种间的进化关系有着十分重要的意义.然而,由于网络比对在理论上是NP-困难（nondeterministic polynomialtime-hard）问题,它已经成为当前计算生物学需要攻克的主要难点之一.本文提出了一个比对两个蛋白质相互作用网络的启发式算法.该算法首先通过比较两个网络中所有顶点的邻域相似性给出这两个网络的顶点相似性矩阵,然后利用该矩阵将全局网络比对问题转化为一个二部图匹配问题.众所周知,二部图匹配问题具有多项式时间复杂度算法,本文利用ILOG CPLEX软件进行求解.为了验证该算法的优越性,作者比对了水痘病毒（varicella-zoster,VZV）和卡波济（氏）肉瘤病毒（kaposi＇s sarcomaassociated herpesvirus,KSHV）的蛋白质相互作用网络,并且把比对结果同其它网络比对算法进行比较.结果证明该算法显著提高了全局网络比对的精确度.     

蛋白质与DNA相互作用的结构研究

蛋白质与核酸相互作用是生命体内两类最重要的生物大分子,它们之间的相互作用是行使细胞功能的关键,例如:基因复制、转录以及蛋白质的表达翻译等。目前有很多基于蛋白质与DNA复合物的结构研究,这些研究表明蛋白质-DNA的相互作用有很多种方式,所以并不能采用某一种规则或者算法来预测蛋白质与DNA的相互作用,本文主要综述了蛋白质与DNA的相互作用的常用数据库以及结构的特点。     

非负矩阵算法在遗传相互作用数据中的应用

Epistatic miniarrary profile(EMAP)在多种模式生物中的研究产生了许多高通量数据和遗传相互作用网络.但是怎样探究这些数据中的有效生物学信息是现在非常关键的问题.本文我们采用非负矩阵分解的算法对遗传相互作用数据进行聚类分析,从而发现其中隐藏的功能模块,分析基因功能关系等.该方法能有效的避免传统聚类算法的诸多局限性.     

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。     

基于生物分子网络分析的精神分裂症功能模块挖掘

精神分裂症(schizophrenia, SCZ)是一种影响人类生命健康和生存质量的复杂性精神疾病,其遗传机制涉及多个生物分子的相互作用。本研究从分子水平挖掘与SCZ相关的功能模块,可为SCZ的基础研究提供新思路。首先,通过蛋白质-蛋白质互作知识引导扩展SCZ风险基因,构建SCZ特异性基因网络;随后,利用Newman分解算法挖掘功能模块,并通过拓扑学分析及泊松分布检验确定每个功能模块的拓扑属性和核心基因;最后,对功能模块进行功能学分析,根据富集到的通路类别评估功能模块之间的相互作用。结果显示,共提取了14个功能模块,均具备无标度网络性质。对所得功能模块进行拓扑学分析,共挖掘出102个核心基因,包括已知与精神分裂症相关的基因(例如EGFR、HAX1、IL1R1、RALGDS等)和尚未有相关报道的基因(例如SVIL、DNAJA1、RABAC1、STX6等)。通过富集分析发现这些功能模块参与多条生物学通路,包括细胞凋亡、ErbB信号通路、细胞周期、磷脂酶D信号通路、PI3K-Akt信号通路等。功能模块分析显示,大部分功能模块不是单独发挥作用的,它们共同影响SCZ的发生发展,具有共享的发病机制。     

酵母蛋白质相互作用网络中Hub蛋白分类及作用规律的研究

在蛋白质相互作用网络层面研究蛋白质的生物学功能已成为系统生物学的一项重要工作。Hub蛋白是指蛋白质相互作用网络中连接数较高的蛋白,在生命活动中行使着极为重要的功能。然而仅仅依靠连接数并不能准确反映出蛋白质在生物学网络中的真实地位,连接数相近的Hub蛋白在生物网络中发挥的作用未必同等重要。依据Gene ontology数据库中的生物学注释信息,使用X均值聚类法将Hub蛋白分为系统、组分和过程Hub三类;对这三类Hub蛋白构成的子网络进行研究,发现系统Hub和非Hub蛋白子网络分布均匀,而组分Hub和过程Hub的子网络有明显的模块性;进一步引进描述各类Hub蛋白之间相互作用倾向性的参数并对其进行分析,结果表明:三类Hub蛋白之间(包括同一类Hub蛋白间)、非Hub蛋白与Hub蛋白间相互作用的倾向性强烈,而反过来,三类Hub蛋白与非Hub蛋白之间、非Hub蛋白内部相互作用的倾向性很弱。     

蛋白质组表达图谱用于基因组功能提示的可行性研究

本文以ＥＣＯ２ＤＢＡＳＥ（Ｅｄｉｔｉｏｎ ６） 为研究材料, 探讨了利用蛋白质组表达图谱提供的生命动态活动信息提高基因组功能提示效果的可行性。在设计出一套较为完整的细胞功能簇（ＣＲＣ）聚类方案的基础上, 经考察,７９ 个蛋白质聚成４ 个不同的ＣＲＣ。结果显示出功能相关的蛋白质趋向于聚集在相同的ＣＲＣ中, 如９ 种氨酰ｔＲＮＡ 合成酶和４ 种热休克蛋白分别准确地聚合到ＣＲＣ２ 和ＣＲＣ３ 中。这些结果提示： 在蛋白质组研究资料比较充分的前提下, 通过有效的算法, 蛋白质组表达图谱可以为基因组功能提示提供非常重要的序列相似性之外的功能信息     

构建适用于蛋白质家族分类的相似性网络

图聚类用于蛋白质分类问题可以获得较好结果,其前提是将蛋白质之间复杂的相互关系转化为适当的相似性网络作为图聚类分类的输入数据。本文提出一种基于BLAST检索的相似性网络构建方法,从目标蛋白质序列出发,通过若干轮次的BLAST检索逐步从数据库中提取与目标蛋白质直接或间接相关的序列,构成关联集。关联集中序列之间的相似性关系即相似性网络,可作为图聚类算法的分类依据。对Pfam数据库中依直接相似关系难以正确分类的蛋白质的计算表明,按本文方法构建的相似性网络取得了比较满意的结果。     

真核生物转录因子对DNA序列的识别

真核生物转录因子对ＤＮＡ序列的识别杨岐生（浙江大学生物科学与技术系,杭州３１００２７）关键词真核生物转录因子,蛋白质－ＤＮＡ识别研究蛋白质和ＤＮＡ两类生物大分子的相互作用,以阐明基因表达、调控及信息传递的分子机制,是认识生命活动本质的核心问题。本文介...     

细胞黏附分子互作网络的构建与分析

借助网络分析可对基因调控、蛋白质互作和信号转导等细胞活动进行全局和局部性质分析.以细胞黏附的蛋白质相互作用为对象,通过数据挖掘和可视化软件构建了整合蛋白介导的黏附分子互作网络,该分子互作网络由156种蛋白质通过690种相互作用相连,其平均节点度为8.66、平均聚集系数为0.24,平均路径长度为2.6.黏附分子互作网络中包含数个功能模块,这些模块涉及网络内部多种分子相互作用的启动与停止,并进一步影响细胞的黏附、迁移和骨架组织.对黏附分子网络进行模体筛选和比较,发现一些数量相对较少、以三元复合物为主要结构的关键模体,同时对各网络模块和模体对细胞黏附的调控作用进行了探讨.     

肿瘤: 一种蛋白质组病

恶性肿瘤的发生是一个涉及多因素、多基因的多阶段病理过程. 以往的研究主要集中在基因组和转录组分析. 随着人类基因组计划的完成, 肿瘤研究开始进入“后基因组时代”, 肿瘤蛋白质组学应运而生. 蛋白质作为基因功能的主要执行者, 一方面在肿瘤发生发展过程中扮演重要角色, 另一方面在很大程度上决定正常细胞和肿瘤细胞之间的差异(如异型性、恶性特征等). 本文提出, 肿瘤是一种蛋白质组病, 并根据肿瘤比较蛋白质组、表达蛋白质组、功能蛋白质组和结构蛋白质组研究进展, 从肿瘤发生发展过程中蛋白质(组)表达水平及状态、蛋白质翻译后修饰、蛋白质相互作用及网络调控等三个方面进行阐述. 该观点的提出, 将为肿瘤发病机制的研究开辟新的领域, 为肿瘤的诊断(如生物标志物筛选)和筛选(如药物新靶标)提供新的思路, 具有重要的科学意义和临床应用价值.     

福鼎大白茶蛋白质相互作用网络研究

蛋白质相互作用网络的构建可以为探究茶树生长过程中的关键蛋白并预测其功能提供理论参考。以贵州都匀地区福鼎大白茶为研究对象,利用三代Nanopore测序技术和同源比对方法构建福鼎大白茶根、茎、叶差异基因蛋白质相互作用网络,通过网络进一步预测关键蛋白及其功能。结果表明,叶与根、叶与茎、茎与根和根茎叶差异基因蛋白质相互作用网络中的关键蛋白分别为53、39、42和53个,并且预测出了关键蛋白的功能,如TEA003744的功能可能为腺苷酸激酶活性、蛋白质丝氨酸/苏氨酸激酶活性和ATP结合,参与光合作用和蛋白质磷酸化过程;TEA026776可能为发育蛋白,参与细胞分化过程和蛋白质磷酸化过程,还具有ATP结合活性和蛋白激酶活性;TEA019056的功能可能为ATP结合、GTP结合和GTP酶活性,参与过氧化物酶体组织的组成和蛋白质磷酸化等。随后预测出4个网络中打分最高功能模块的功能,并进行拓扑属性分析、功能模块分析、集群注释和聚类分析。研究结果可为鉴定蛋白质的功能、寻找关键蛋白及选育优良品种等提供理论依据。     

蛋白质组表达图谱用于基因功能提示的可行性研究

本文以ＥＣＯ２ＤＢＡＳＥ（Ｅｄｉｔｉｏｎ６）为研究材料,探讨了利用蛋白质组表达图谱提供的生命动态活动信息提高基因组功能提示效果的可行性,在设计出一套较为完整的细胞功能簇（ＣＲＣ）聚类方案的基础上,经考察,７９个蛋白质聚成４个不同的ＣＲＣ。结果显示出功能相关的蛋白质趋向于聚集在相同的ＣＲＣ中,如９种氨酰,ｔＲＮＡ合成酶和４种热休克蛋白分别准确地聚合到ＣＲＣ２和ＣＲＣ３中,这些结果提示,在蛋白质组研究     

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。     

结合蛋白质相互作用数据进行基因表达数据聚类

提出了一种蛋白质相互作用的相似性度量,将其与基因表达数据的相似性度量相结合,定义了一种融合的距离度量,并且将这种融合的距离度量用于改进现有的K—means聚类方法。经过实际数据的检验,改进后的K—means方法比常用的其它几种聚类方法具有更好的效果,说明结合蛋白质相互作用数据可以使得基因表达聚类的结果更有生物意义。