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.     

利用基因共表达网络分析蛋白质的相互作用

基于Hom in的基因共表达网络的比较分析,发现人类基因共表达网络和蛋白质相互作用数据之间存在一定的相关性。采用基因本体论对这两个网络重叠区域进行基因分类后发现,这些编码的蛋白质主要集中在对刺激物的应答途径之中。通过对该途径中的蛋白质相互作用网络作图,获得了两个独立的功能模块。通过对模块中的基因分类和关键基因分析得出两者分别对应于内外源刺激物的应答功能。本研究对于利用不断丰富的核酸公共数据信息挖掘蛋白质相互作用的研究具有积极的促进作用。     

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。     

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,论述了转录因于之间、转录因子与DNA之间相互作用过程中的协同与拮抗作用、发生机制及其在真核基因转录调节中的普遍性和重要意义.     

CBSG-PPI:基于图神经网络的蛋白质-蛋白质相互作用的预测算法

为提高蛋白质-蛋白质相互作用(protein-protein interaction, PPI)预测的准确性,并深入探索细胞信号传导和疾病发生的生物学机制,本文提出一种简称为CBSG-PPI的预测算法。该算法首先利用3层前馈网络来处理蛋白质的k-mer特征,采用CT方法和Bert方法提取蛋白质的氨基酸序列以及使用卷积神经网络提取蛋白质的序列特征,再结合图神经网络和多层感知机来准确预测PPI。与现有的预测技术相比,CBSG-PPI在准确率、 F1分数、召回率和精确率等多个关键性能指标上展现了明显的优势,在公开数据集上分别达到了0.855、 0.853、 0.840和0.866的高分。此外,本算法采用了一种改进的参数调整方法,显著提高了计算效率,其预测速度比传统算法快了约140倍。这一显著的性能提升,不仅证实了CBSG-PPI在预测PPI方面的研究价值,也为未来蛋白质间相互作用网络的构建和分析提供了有用的计算工具。     

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。     

牵出技术在蛋白质相互作用研究中的应用

蛋白质与蛋白质的相互作用参与生命体内的许多生物学过程,关于蛋白质相互作用的研究是人们了解蛋白质功能、揭开生命奥秘的关键所在。牵出(pull-down)技术作为一种简单、经济、行之有效的一种体外验证蛋白质与蛋白质之间的相互作用的实验技术,近几年受到了科研人员的青睐。本文阐述了该技术的基本原理和技术特点,总结了近年来牵出技术在生命科学领域中的应用情况,以及由此衍生的新技术的研究进展。     

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慨念。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。     

蛋白质-蛋白质相互作用及其抑制剂研究进展

蛋白质-蛋白质相互作用在细胞活动和生命过程中扮演着非常重要的角色。基因调节、免疫应答、信号转导、细胞组装等等都离不开蛋白质-蛋白质的相互作用。近几年,靶向蛋白质-蛋白质相互作用及其抑制剂研究也逐渐成为研究的热点;但是蛋白质复合物相互作用界面的一些特点和性质,如相互作用界面较大、结合界面较为平坦等,使蛋白质-蛋白质相互作用及其抑制剂研究充满了挑战。本文主要总结了蛋白质-蛋白质相互作用界面的一些性质和特点,分析了界面特性与其抑制剂设计的关系,并讨论了蛋白质-蛋白质相互作用的理论预测方法及其抑制剂的类型和特点,最后又通过实例说明了如何进行蛋白质-蛋白质相互作用抑制剂的设计。     

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。     

Sampling strategy for protein complex prediction using cluster size frequency

In this paper we propose a Markov chain Monte Carlo sampling method for predicting protein complexes from protein–protein interactions (PPIs). Many of the existing tools for this problem are designed more or less based on a density measure of a subgraph of the PPI network. This kind of measures is less effective for smaller complexes. On the other hand, it can be found that the number of complexes of a size in a database of protein complexes follows a power-law. Thus, most of the complexes are small-sized. For example, in CYC2008, a database of curated protein complexes of yeast, 42% of the complexes are heterodimeric, i.e., a complex consisting of two different proteins. In this work, we propose a protein complex prediction algorithm, called PPSampler (Proteins' Partition Sampler), which is designed based on the Metropolis–Hastings algorithm using a parameter representing a target value of the relative frequency of the number of predicted protein complexes of a particular size. In a performance comparison, PPSampler outperforms other existing algorithms. Furthermore, about half of the predicted clusters that are not matched with any known complexes in CYC2008 are statistically significant by Gene Ontology terms. Some of them can be expected to be true complexes.     

GoPipe: 批量序列的Gene Ontology 注释和统计分析

随着后基因组时代的到来,批量的测序,特别是 EST 的测序,逐渐成为普通实验室的日常工作 . 这些新的序列往往需要进行批量的 Gene Ontology (GO) 的注释及随后的统计分析 . 但是目前除了 Goblet 以外,并没有软件适合对未知序列进行批量的 GO 注释,而 GoBlet 因为具有上载量的限制,以及仅仅利用 BLAST 作为预测工具,所以仍有许多不足之处 . 开发了一个软件包 GoPipe ,通过整合 BLAST 和 InterProScan 的结果来进行序列注释,并提供了进一步作统计比较的工具 . 主程序接收任意个 BLAST 和 InterProScan 的结果文件,并依次进行文本分析、数据整合、去除冗余、统计分析和显示等工作 . 还提供了统计的工具来比较不同输入对 GO 的分布来挖掘生物学意义 . 另外,在交集工作模式下,程序取 InterProScan 和 BLAST 结果的交集, 在测试数据集中,其精确度达到 99.1% ,这大大超过了 InterProScan 本身对 GO 预测的精确度,而敏感度只是稍微下降 . 较高的精确度、较快的速度和较大的灵活性使它成为对未知序列进行批量 Gene Ontology 注释的理想的工具 . 上述软件包可以在网站 (http://gopipe.fishgenome.org/ ) 免费获得或者与作者联系获取 .     

结构域相互作用数据库的产生、发展与应用

结构域是进化上的保守序列单元,是蛋白质的结构和功能的标准组件．典型的两个蛋白质间的相互作用涉及特殊结构域间的结合,而且识别相互作用结构域对于在结构域水平上彻底理解蛋白质的功能与进化、构建蛋白质相互作用网络、分析生物学通路等十分重要．目前,依赖于对实验数据的进一步挖掘和对各种不同输入数据的计算预测,已识别出了一些相互作用/功能连锁结构域对,并由此构建了内容丰富、日益更新的结构域相互作用数据库．综述了产生结构域相互作用的8种计算预测方法．介绍了5个结构域相互作用公共数据库3DID、iPfam、InterDom、DIMA和DOMINE的有关信息和最新动态．实例概述了结构域相互作用在蛋白质相互作用计算预测、可信度评估,蛋白质结构域注释,以及在生物学通路分析中的应用．     

FRET技术及其在蛋白质-蛋白质分子相互作用研究中的应用

简要综述了FRET方法在活细胞生理条件下研究蛋白质-蛋白质间相互作用方面的最新进展.蛋白质-蛋白质间相互作用在整个细胞生命过程中占有重要地位,由于细胞内各种组分极其复杂,因此一些传统研究蛋白质-蛋白质间相互作用的方法,例如酵母双杂交、免疫沉淀等可能会丢失某些重要的信息,无法正确地反映在当时活细胞生理条件下蛋白质-蛋白质间相互作用的动态变化过程.荧光共振能量转移（fluorescence resonance energy transfer, FRET）是近来发展的一项新技术,此项技术的应用,为在活细胞生理条件下对蛋白质-蛋白质间相互作用进行实时的动态研究,提供一个非常便利的条件.     

Genome-wide Protein-protein Interaction Screening by Protein-fragment Complementation Assay (PCA) in Living Cells

Proteins are the building blocks, effectors and signal mediators of cellular processes. A protein’s function, regulation and localization often depend on its interactions with other proteins. Here, we describe a protocol for the yeast protein-fragment complementation assay (PCA), a powerful method to detect direct and proximal associations between proteins in living cells. The interaction between two proteins, each fused to a dihydrofolate reductase (DHFR) protein fragment, translates into growth of yeast strains in presence of the drug methotrexate (MTX). Differential fitness, resulting from different amounts of reconstituted DHFR enzyme, can be quantified on high-density colony arrays, allowing to differentiate interacting from non-interacting bait-prey pairs. The high-throughput protocol presented here is performed using a robotic platform that parallelizes mating of bait and prey strains carrying complementary DHFR-fragment fusion proteins and the survival assay on MTX. This protocol allows to systematically test for thousands of protein-protein interactions (PPIs) involving bait proteins of interest and offers several advantages over other PPI detection assays, including the study of proteins expressed from their endogenous promoters without the need for modifying protein localization and for the assembly of complex reporter constructs.     

两种实验技术在蛋白质-蛋白质相互作用检测中的应用

蛋白质是生命活动的主要承担者.蛋白质种类繁多,结构多样,具有十分广泛的生物学功能,可作为载体蛋白、酶蛋白和信号肽等参与调控细胞内的各种代谢活动.生物体内蛋白质与其他分子的相互作用,尤其是蛋白质-蛋白质之间的相互作用,是蛋白质行使这些重要生物学功能的基础.通过研究可以相互作用的蛋白质形成的各种复合体,对揭示蛋白质的功能,...     

iTRAQ联用串联质谱鉴定食管鳞状细胞癌差异表达蛋白质及蛋白质相互作用网络

基于质谱的蛋白质组学结果不仅具有重复性差和覆盖率低等缺陷,并且针对数十至百个差异表达蛋白质分子的分析非常具有挑战性,而蛋白质与蛋白质相互作用网络（protein-protein interaction network, PPIN）分析能够在一定程度上弥补上述不足,使各种组学研究结果具有一致性和可比性。本研究应用同位素标记相对和绝对定量（iTRAQ）联用串联质谱技术鉴定了与食管鳞状细胞癌（esophageal squamous cell carcinoma,ESCC）相关的差异表达蛋白质244个（ESCC中,升高和降低的蛋白质分别为119个和125个）,基因本体论（gene ontology, GO）富集与肿瘤十大特征相关的17个GO条目|以该17个条目包含的117个蛋白质为种子蛋白搜索STRING（http: //www.string-db.org）数据库,构建包含96个存在相互作用的PPIN和21个离散蛋白质。用CytoHubba算法确定34个中心节点蛋白质和36个瓶颈蛋白质,非重复49个中心节点和/或瓶颈蛋白质中含7个目前已报道的癌基因表达蛋白（PPP2R1A、CTNNB1、ENO1、EZR、TPM4、COL1A1、TPM3）,确定与该7个癌蛋白直接相互作用的4个蛋白质（FN1、ITGB1、TAGLN和YWHAZ）可能为参与食管癌变的关键蛋白质,并应用Western印迹实验验证了 FN1、ITGB1、TAGLN和YWHAZ等4个关键蛋白质在ESCC中具有显著的表达差异,表明PPIN分析是确定具有重要生物学意义分子的有效途经之一。     

Structural property,molecular regulation,and functional diversity of glutamine synthetase in higher plants: a data-mining bioinformatics approach

Glutamine synthetase (GS; E.C.6.3.1.2) is a key enzyme in higher plants with two isozymes, cytosolic GS1 and plastidic GS2, and involves in the assimilation and recycling of NH₄⁺ ions and maintenance of complex traits such as crop nitrogen-use efficiency and yield. Our present understanding of crop nitrogen-use efficiency and its correlation with the functional role of the GS family genes is inadequate, which delays harnessing the benefit of this key enzyme in crop improvement. In this report, we performed a comprehensive investigation on the phylogenetic relationship, structural properties, complex multilevel gene regulation, and expression patterns of the GS genes to enrich present understanding about the enzyme. Our Gene Ontology and protein–protein interactions analysis revealed the functional aspects of GS isozymes in stress mitigation, aging, nucleotide biosynthesis/transport, DNA repair and response to metals. The insight gained here contributes to the future research strategies in developing climate-smart crops for global sustainability.