人类蛋白质互作网络hub蛋白与其结构域关联分析

hub蛋白质作为参与较多互作的“中心蛋白”,在实现蛋白质功能和生命活动中发挥着关键作用．而结构域作为蛋白质上的基本功能区域,决定着蛋白质功能及蛋白质互作的情况．互作网络中hub蛋白质和结构域对于蛋白质功能的实现均起到决定性的作用．对蛋白质互作与结构域的关系分析表明,蛋白质互作与结构域之间存在着密切的联系．对人类蛋白质互作网络中的hub蛋白与结构域进行关联分析,探讨hub蛋白及其互作partner与结构域数目之间的关系．并通过hub蛋白质之间的互作对相应结构域的关系进行进一步的论证．     

结合蛋白质互作与基因表达谱信息大范围预测蛋白质的精细功能

GESTs(gene expression similarity and taxonomy similarity)是结合基因表达相似性和基因功能分类体系Gene Ontology (GO)中的功能概念相似性测度进行功能预测的新方法. 将此预测算法推广应用于蛋白质互相作用数据, 并提出了几种在蛋白质互作网络中为功能待测蛋白质筛选邻居的方法. 与已有的其它蛋白质功能预测方法不同, 新方法在学习过程中自动地从功能分类体系中的各个功能类中选择最合适的尽可能具体细致的功能类, 利用注释于其相近功能类中的互作邻居蛋白质支持对此具体功能类的预测. 使用MIPS提供的酵母蛋白质互作信息与一套基因表达谱数据, 利用特别针对GO体系结构层次特点设计的3种测度, 评价对GO知识体系中的生物过程分支进行蛋白质功能预测的效果. 结果显示, 利用文中的方法, 可以大范围预测蛋白质的精细功能. 此外, 还利用此方法对2004年底Gene Ontology上未知功能的蛋白质进行预测, 其中部分预测结果在2006年4月发布的SGD注释数据中已经得到了证实.     

根据基因表达谱筛选间接互作蛋白质进行蛋白质功能预测

利用基因表达谱数据,通过计算互作蛋白质的表达相关系数,来筛选、优化蛋白质互作网络。结果显示,利用经过筛选的互作数据,根据邻居计数法和卡方法进行功能预测的预测效果明显提高,距离待测蛋白质较远的邻居也包含着与待测蛋白质功能一致的信息。     

类蛋白质互作网络hub蛋白与其结构域关联分析

hub蛋白质作为参与较多互作的"中心蛋白".在实现蛋白质功能和生命活动中发挥着关键作用.而结构域作为蛋白质上的基本功能区域,决定着蛋白质功能及蛋白质互作的情况.互作网络中hub蛋白质和结构域对于蛋白质功能的实现均起到决定性的作用.对蛋白质互作与结构域的关系分析表明.蛋白质互作与结构域之间存在着密切的联系.对人类蛋白质互作网络中的hub蛋白与结构域进行关联分析.探讨hub蛋白及其互作partner与结构域数目之间的关系,并通过hub蛋白质之间的互作对相应结构域的关系进行进一步的论证.     

大气臭氧浓度升高对银杏叶片活性氧代谢及相关基因表达的影响

采用开顶式气室熏蒸法,设置自然条件下臭氧(O₃)浓度(对照,约40 nmol·mol^-1)、80、160及200 nmol·mol^-14个臭氧浓度,观测了不同浓度臭氧条件下银杏叶片可见伤害、活性氧生成量、抗氧化酶活性及相关基因表达变化情况,分析大气臭氧浓度升高对植物活性氧代谢的影响.结果表明: 160和200 nmol·mol^-1 O₃熏蒸明显伤害银杏叶片,80 nmol·mol^-1与对照无差异,无可见伤害.O₃处理20 d后,160和200 nmol·mol^-1条件下银杏叶片的超氧自由基(O₂^-·)产生速率显著高于80 nmol·mol^-1和对照,而80 nmol·mol^-1与对照无差异;O₃处理40 d后,160和200 nmol·mol^-1熏蒸下叶片过氧化氢(H₂O₂)含量显著高于80 nmol·mol^-1和对照,而过氧化氢酶(CAT)活性显著高于80 nmol·mol^-1和对照,各臭氧处理抗坏血酸过氧化物酶(APX)活性均低于对照.熏蒸40 d后,CAT、APX基因的转录表达持续加强;防御素(GbD)的表达强度则随着臭氧浓度的增加及熏蒸时间的延长而呈显著加强.高浓度臭氧胁迫可使银杏叶片活性氧生成量增加、抗氧化酶活性下降、相关基因表达水平上调,有明显可见叶片伤害.     

基于网络特征的药物靶蛋白识别

蛋白质很少孤立得发挥作用,往往通过网络中彼此互作来共同行使功能.因此分析药物靶蛋白在生物学网络中的性质将十分有助于从信息学角度理解药物的作用机制.但目前尚无研究对药物靶蛋白在人类蛋白质互作网络中的拓扑特性给与具体的分析和描述.本文首先将药物靶蛋白映射到人类蛋白质互作网络中,进而分析了药物作用靶蛋白在互作网络中的5种拓扑指标,并与互作网络中全蛋白质组集合及非药物靶点集合的拓扑指标进行了对比.结果显示,药物靶蛋白之间具有更高的连通性,信息能够得到更快得传递.基于这些拓扑特征,将互作网络中的所有蛋白进行排序.发现排序在前100位的蛋白中有48个是Drugbank中记录的药物靶点,另外的52个蛋白中有9个蛋白已在TTD,Matador等数据库中被记录为药物靶点,还有部分蛋白通过文献检索被证实为药物靶点.