蛋白质相互作用研究进展

蛋白质行使功能时,需要与其他蛋白质或者其他分子相互作用才能完成.在蛋白质相互作用水平上研究蛋白质对理解蛋白质功能、疾病与进化具有重要的意义.就蛋白质相互作用的预测、常用的蛋白质相互作用数据库以及蛋白质相互作用网络的研究进行了介绍.     

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．     

蛋白质相互作用数据库及其应用

对蛋白质相互作用及其网络的了解不仅有助于深入理解生命活动的本质和疾病发生的机制,而且可以为药物研发提供靶点.目前,通过高通量筛选、计算方法预测和文献挖掘等方法,获得了大批量的蛋白质相互作用数据,并由此构建了很多内容丰富并日益更新的蛋白质相互作用数据库.本文首先简要阐述了大规模蛋白质相互作用数据产生的3种方法,然后重点介绍了几个人类相关的蛋白质相互作用公共数据库,包括HPRD、BIND、 IntAct、MINT、 DIP 和MIPS,并概述了蛋白质相互作用数据库的整合情况以及这些数据库在蛋白质相互作用网络构建上的应用.     

基于贝叶斯网络和相互作用可信度的蛋白质功能预测方法

蛋白质功能注释是后基因组时代研究的核心内容之一,基于蛋白质相互作用网络的蛋白质功能预测方法越来越受到研究者们的关注.提出了一种基于贝叶斯网络和蛋白质相互作用可信度的蛋白质功能预测方法.该方法在功能预测过程中为待注释的蛋白质建立贝叶斯网络预测模型,并充分考虑了蛋白质相互作用的可信度问题.在构建的芽殖酵母数据集上的三重交叉验证测试表明,在功能预测过程中考虑蛋白质可信度能够有效地提高功能预测的性能.与现有一些算法相比,该方法能够给出令人满意的预测效果.     

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。     

基于残基相互作用网络比对的木聚糖酶热稳定性的研究

研究木聚糖酶的耐热机理能够提升工业生产效率和经济效益。本文使用提出的SI-MAGNA残基相互作用网络比对算法对来自嗜热子囊菌（Thermoascus aurantiacus）的耐热型木聚糖酶和来自变铅青链霉菌（Streptomyces lividans）的常温型木聚糖酶进行网络比对,以探究影响两者结构稳定性和热稳定性的因素。通过比对结果分析：证实了(βα)8-桶结构的低序列保守性及β折叠对结构稳定性的作用;发现了1E0W的loop1区域中独有一个310-螺旋结构影响了结构稳定性;1TUX中的α1’短螺旋结构和相对较短的β4α4-loop区域有助于提升其结构稳定性和酶的热稳定性;推测1TUX的β4α4-loop区域中独有的氢键转折结构和1E0W的loop6区域中独有的2个β桥结构可能引起空间结构的细微差异,从而影响酶的热稳定性。     

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。     

计算方法在蛋白质相互作用研究中的应用

计算方法在蛋白质相互作用研究的各个阶段扮演了一个重要的角色。对此,作者将从以下几个方面对计算方法在蛋白质相互作用及相互作用网络研究中的应用做一个概述：蛋白质相互作用数据库及其发展;数据挖掘方法在蛋白质相互作用数据收集和整合中的应用;高通量方法实验结果的验证;根据蛋白质相互作用网络预测和推断未知蛋白质的功能;蛋白质相互作用的预测。     

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。     

基于相互作用的蛋白质功能预测

蛋白质功能预测是后基因时代研究的热点问题。基于相互作用的蛋白质功能预测方法目前应用比较广泛,但是当"伙伴蛋白质"(interacting partners)数目k较小时,其预测准确率不高。从蛋白质相互作用网络入手,结合"小世界网络"特性,有效解决了k较小时预测准确率不高的问题。对酵母(Saccharomyces cerevisiae)蛋白质的相互作用网络进行预测,当k≤4时其预测准确率比相同条件下的GO(global optimization)方法有一定提高。实验结果表明:该方法能够有效的应用于伙伴蛋白质数目较小时的蛋白质功能预测。     

基于动态规划的快速序列比对算法

序列比对算法是生物信息学中重要的研究方向之一,而动态规划法是序列比对算法中最有效最基本的方法．由于原有的基本动态规划方法时间和空间复杂度大,不适合实际的生物序列比对,因此本文在分析介绍几种相关动态规划算法的基础上,提出了一种基于动态规划的快速序列比对算法UKK_FA．实验结果表明,该算法有效地降低了时间复杂度,具有一定的实用性。     

PML coiled-coil结构域与RAN结合蛋白9相互作用的验证

目的验证前髓细胞性白血病的卷曲螺旋结构域（PML—C）和RAN结合蛋白9（RANBP9）之间的相互作用。方法构建分别表达诱饵蛋白PML—C和靶蛋白RANBP9的载体pGBKT7-PML-C和pACT2-RANBP9,然后转人酵母AH109,培养3～5d后对其是否有胞内相互作用进行检测。将目的片断PML-C和RANBP9再次构建于真核生物表达载体pCMV—HA和pCMV—myc里,然后共转染人胚肾293细胞里（HEK293）,最后对其是否有体外相互作用通过免疫共沉淀和免疫印迹进行分析。结果在共转化了质粒pGBKT7-PML—C和pACT2-RANBP9的AH109酵母平板里观察到蓝色菌落生长。用抗HA多克隆抗体对共转染过重组质粒的HEK293细胞的蛋白提取物进行免疫共沉淀,再用抗myc单克隆抗体作为一抗进行免疫印迹,最终检测出融合蛋白myc—RANBP9条带。结论酵母双杂交实验验证了PML—C和RANBP9之间存在胞内相互作用,同时免疫共沉淀实验也从体外验证了它们之间的相互作用。     

Interaction between Intrinsically Disordered Proteins Frequently Occurs in a Human Protein-Protein Interaction Network

Intrinsic protein disorder is a widespread phenomenon characterised by a lack of stable three-dimensional structures and is considered to play an important role in protein-protein interactions (PPIs). This study examined the genome-wide preference of disorder in PPIs by using exhaustive disorder prediction in human PPIs. We categorised the PPIs into three types (interaction between disordered proteins, interaction between structured proteins, and interaction between a disordered protein and a structured protein) with regard to the flexibility of molecular recognition and compared these three interaction types in an existing human PPI network with those in a randomised network. Although the structured regions were expected to become the identifiers for binding recognition, this comparative analysis revealed unexpected results. The occurrence of interactions between disordered proteins was significantly frequent, and that between a disordered protein and a structured protein was significantly infrequent. We found that this propensity was much stronger in interactions between nonhub proteins. We also analysed the interaction types from a functional standpoint by using GO, which revealed that the interaction between disordered proteins frequently occurred in cellular processes, regulation, and metabolic processes. The number of interactions, especially in metabolic processes between disordered proteins, was 1.8 times as large as that in the randomised network. Another analysis conducted by using KEGG pathways provided results where several signaling pathways and disease-related pathways included many interactions between disordered proteins. All of these analyses suggest that human PPIs preferably occur between disordered proteins and that the flexibility of the interacting protein pairs may play an important role in human PPI networks.     

Local Interaction Signal Analysis Predicts Protein-Protein Binding Affinity

1. Download high-res image (252KB)
2. Download full-size image

     

基于序列保守性和蛋白质相互作用的真核蛋白质亚细胞定位预测

蛋白质的亚细胞定位是进行蛋白质功能研究的重要信息.蛋白质合成后被转运到特定的细胞器中,只有转运到正确的部位才能参与细胞的各种生命活动,有效地发挥功能.尝试了将保守序列及蛋白质相互作用数据的编码信息结合传统的氨基酸组成编码,采用支持向量机进行蛋白质亚细胞定位预测,在真核生物中5轮交叉验证精度达到91.8%,得到了显著的提高.     

Prediction of Protein-Protein Interactions Using Protein Signature Profiling

Protein domains are conserved and functionally independent structures that play an important role in interactions among related proteins. Domain-domain inter- actions have been recently used to predict protein-protein interactions (PPI). In general, the interaction probability of a pair of domains is scored using a trained scoring function. Satisfying a threshold, the protein pairs carrying those domains are regarded as “interacting“. In this study, the signature contents of proteins were utilized to predict PPI pairs in Saccharomyces cerevisiae, Caenorhabditis ele- gans, and Homo sapiens. Similarity between protein signature patterns was scored and PPI predictions were drawn based on the binary similarity scoring function. Results show that the true positive rate of prediction by the proposed approach is approximately 32% higher than that using the maximum likelihood estimation method when compared with a test set, resulting in 22% increase in the area un- der the receiver operating characteristic (ROC) curve. When proteins containing one or two signatures were removed, the sensitivity of the predicted PPI pairs in- creased significantly. The predicted PPI pairs are on average 11 times more likely to interact than the random selection at a confidence level of 0.95, and on aver- age 4 times better than those predicted by either phylogenetic profiling or gene expression profiling.     

蛋白质－DNA相互作用与真核基因转录

结合最近几年对真核转录调节因子和ＤＮＡ的结构与机能研究,概述了蛋白质－蛋白质及蛋白质－ＤＮＡ相互作用方式以及介导相互作用的分子结构基础,论述了转录因子之间,转录因子与ＤＮＡ之间相互作用过程中的同与拮抗作用,发生机制及其在真核基因转录调节中的遍性和重要意义。