蛋白质相互作用网络

摘要： 尊敬的读者朋友,您好!在作者和编辑老师的共同努力下,本专栏又和您见面了!文献大数据分析和重叠社区发现是大数据与社会计算领域的研究热点,也是本期关注的两个主题。文献大数据分析的研究目的之一,就是帮助广大研究人员快速进入目标领域,敏捷追踪其中的方向、方法和工具等,从而有效降低研究成本,缩短成果周期;重叠社区发现是复杂网络挖掘领域的基础性工作,成果应用于社交网络、通讯网络、蛋白质相互作用网络、代谢路径网络、交通网络等各种网络的数据分析中,可服务于人力资源管理、新药研制、交通规划、传染病防治、舆情控制等领域。

摘要： 关键蛋白质的识别有助于从分子水平上理解生命的活动过程,然而仅从拓扑特性角度来识别的关键蛋白质不够精准,因此为了提高识别准确率,结合复合物信息提出了确定蛋白质关键性的指标模型EIC,该模型是基于蛋白质复合物内的局部中心性特性以及网络的全局信息特性来考虑.使用DIP和MIPS两种蛋白质相互作用(PPI)网络作为实验数据集,选用“排序-筛选”方法、精准召回、折刀等评估方法,通过与现有方法DC、BC、EC、SC、LAC、NC以及UC作对比,实验结果表明EIC方法优于这些方法,能够提高预测关键蛋白质的准确率.

摘要： 目的:基于网络药理学探讨复方黄柏液涂剂治疗肛周湿疹的作用机制。方法:本研究依托中药系统药理学数据库和分析平台(Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform,TCMSP),筛选出复方黄柏液涂剂5味中药(连翘、黄柏、金银花、蒲公英、蜈蚣)的化合物及有效靶点,运用Cytoscape软件构建中药-活性成分-靶点网络;在GeneCards数据库中查找“湿疹”疾病相关基因,筛选后共获得相关基因1150个,药物和疾病共有靶点82个。使用String数据库获得蛋白质-蛋白质相互作用(PPI)关系,用Cytoscape软件可视化。根据PPI网络的度值,找出关键作用靶点,采用Metascape网站进行基因本体论(GO)和京都基因与基因组百科全书(KEGG)通路富集分析。结果:与肛周湿疹相关的化合物-潜在靶点网络共包含20个靶点,涉及免疫调节因子、炎症趋化因子、核受体共激活因子、转录因子等。结论:本研究结果验证和预测了复方黄柏液涂剂治疗肛周湿疹的作用机制及分子靶点,为进一步研究提供了科学依据。

摘要： 现有关键蛋白质识别算法对生物信息考虑不全面、识别准确率亦有待提高,针对此问题,提出一种高效关键蛋白质识别算法PDWS。首先,结合由亚细胞定位信息获取到的蛋白质位置和蛋白质相互作用网络边聚类系数构建加权网络;其次,依据蛋白质所处亚细胞位置,提出亚细胞定位区室子网参与度指标;最后,融合亚细胞定位区室子网参与度和蛋白质复合物子网参与度指标,多维度度量蛋白质关键性。在DIP和Krogan两个标准数据集上的实验结果表明,PDWS算法性能优于PeC、PCSD等已有算法,可识别出更多特定结构的关键蛋白质,且识别精度分别达到0.76与0.73。

摘要： 生物网络比对是研究生物进化过程的重要手段,不同物种间的比对不仅有助于理解物种的知识转移,同时也有助于进行功能预测和检测保守功能成分。然而,现有比对算法很难实现拓扑度量和生物度量同时最优。设计JAlign算法,将拓扑相似性与归一化序列相似性相结合构成目标函数,基于种子-扩展算法和模块检测进行全局比对。在种子筛选阶段,利用Jerarca聚类算法划分功能模块,借助目标函数计算模块间的相似性进行最优模块匹配,并从匹配结果中提取部分节点对作为种子节点。在扩展阶段,将比对从种子节点扩展至其邻居节点,在选择节点对进行扩展比对时综合考虑节点之间的连接关系、度差值、节点相似性等因素。在此基础上,为避免遗漏分散节点,找到剩余未匹配的节点构建二分图,以贪心方式进行最大加权二分图匹配,并将匹配结果合并到比对集合中,完成最终匹配。实验结果表明,JAlign算法能够实现拓扑度量和生物度量的良好平衡,其边正确性指标、诱导保守子结构得分、对称子结构得分和生物质量使用功能一致性指标均优于L-GRAAL、SPINAL和ModuleAlign算法,在时间效率上也具有优势。

摘要： 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。

摘要： 生物网络比对是分析不同生物间进化关系的重要手段,它可以揭示不同物种间的保守功能并为物种间的注释转移提供重要信息。网络比对与子图同构类似,是一个NP-hard问题。本文提出了一种新的分治与整合策略的生物网络比对算法。首先进行模块划分,并根据已有的比对信息计算模块相似性;然后根据模块间结点的子比对获取候选结果集,最终通过超图匹配获得比对结果。使用已有的比对信息的集体行为预估模块间的相似性,大大提高了模块匹配的效率。基于路径和结点的得分函数保证了模块内结点的相似性。对于不同网络间结点的相似性,分别从结点自身和结点间的差异进行相似性判断。与现有算法相比,本文算法在生物和拓扑指标上均表现最佳。

摘要： 关键蛋白质作为蛋白质中的关键物质,不仅对研究细胞生长调控有着重要意义,也为更深层次的疾病研究奠定理论基础.目前,针对关键蛋白质的识别方法大多为应用基因表达信息和蛋白质相互作用网络,提出识别关键蛋白质的静态和动态网络方法,但这些方法未考虑基因表达调控的周期性规律,无法准确地刻画受基因周期调控的蛋白质网络.为此,在基因表达动态性的基础上引入了基因周期性表达的概念,提出了一种动态网络切分方法.该方法通过构建基因“活性”表达矩阵,利用切分后的“活性”表达矩阵作用于蛋白质相互作用网络,从而形成蛋白质周期子网络,最终综合各周期子网络来衡量蛋白质结点在网络中的重要性.实验结果表明,该方法在酵母、大肠杆菌和人类膀胱数据中可以有效地提高关键蛋白质预测率.

摘要： 蛋白质相互作用网络(PPI网络)分析有助于从系统的角度研究疾病分子机制、发现新药靶点.阈值方法是构建动态PPI网络的重要方法之一.在3Sigma阈值方法的基础上,引入参数h作为标准差指数,通过标准差系数k和指数h共同调节蛋白质基因表达活性阈值.实验表明,与现有动态PPI网络相比,该阈值方法构建的动态PPI网络具有更高的关键蛋白质识别率.

摘要： 口腔鳞状细胞癌分子机制复杂,早期检测困难,因此探索其潜在生物标志物及预后相关hub基因具有重要意义.本研究从美国国家信息中心(NCBI)下载了一组口腔鳞状细胞癌(n=3)和正常组织(n=3)的转录本测序(RNA-Seq)表达数据(GEO),通过edgeR方法鉴定出1 269个差异表达基因(differentially expressed genes,DEGs),包括331个上调基因和938个下调基因.通过STRING V11数据库构建了差异表达基因的蛋白质相互作用(PPI)网络,并通过Cyto-Hubba插件中常用的五种拓扑分析方法的交集获得了11个hub基因EGF、FGF2、IGF1、ACTN2、ACTA1、VWF、PTPRC、KDR、CXCL12、PTGS2和TLR4,CytoHubba提取了网络中与这11个hub基因相关的重要模块.GO功能分析和KEGG途径富集分析表明,这些模块中的基因均富集在各种功能和相关途径中Kaplan-Meier分析表明,这11个基因都与总体生存率相关,表明这11个候选基因可能作为口腔鳞状细胞癌早期诊断和治疗的潜在生物标志物.

摘要： 目的:本研究通过建立慢性粒细胞白血病(CML)遗传相关基因的蛋白质相互作用网络及体外细胞实验验证两部分,探索经典方剂大黄廑虫丸治疗慢性粒细胞白血病的内在机制及生物学行为.rn 方法:筛选在线人类孟德尔遗传数据库中的CML遗传相关基因,应用Cytoscape 3.0软件和插件Agilent Literature Search 2.8,进行文本挖掘并建立CML的蛋白质相互作用网络;应用插件Clusterviz,发现网络中的可能包含的分子复合物;基于DAVID,富集分子复合物的生物学通路.针对关键通路JAK2-STAT5,采用MTT法、流式细胞术、Western Blot法进行体外细胞实验,观察大黄廑虫丸对K562细胞增殖及JAK2、STAT5表达的影响.rn 结果:CML是一个受多种信号通路、多种基因构成的网络体系协同调控的复杂过程,并非简单地由某个基因或某条信号通路控制;而在该信号网络中,JAK2-STAT5很可能是"关键调控点",大黄廑虫丸能够抑制K562细胞的增殖,其内在作用机制可能与其影响JAK2-STAT5的表达有关.rn 结论:CML蛋白质基因网络复杂,其中JAK2-STAT5很可能是关键节点,而大黄廑虫丸对K562细胞增殖的抑制作用机制之一是降低JAK2-STAT5通路的表达.

摘要： 产电菌Shewanella oneidensis MR-1具有胞外电子转移(Extracellular Electron Transfer,EET)的能力,是目前研究较多的产电微生物之一.本文采用生物信息学方法预测并构建了S.oneidensis MR-1的790个EET相关蛋白质的相互作用网络.通过对S.oneidensis MR-1全基因组蛋白进行折叠结构分析,发现f.4结构在电子传递过程中可能扮演重要角色.结合该结果以及亚细胞定位分析S.oneidensis MR-1EET相关蛋白质相互作用网络的功能模块,预测了三条可能的EET通路.本研究结果为进一步了解S.oneidensis MR-1胞外电子转移机制和提高微生物燃料电池产电效率提供有利的指导.

摘要： 目的：建立基于骨质疏松症遗传相关基因的蛋白质相互作用网络。方法：基于OMIM数据库,挖掘骨质疏松症遗传相关基因,应用Cytoscape软件及其插件建立骨质疏松症的蛋白质相互作用网络。结果：从OMIM中挖掘出187个骨质疏松症遗传相关基因,骨质疏松症的蛋白质相互作用网络包含863个节点(基因)、2925条边(相互作用关系)。结论：基于OMIM数据库,可建立骨质疏松症的蛋白质相互作用网络。

摘要： 随着蛋白质相互作用网络的可用性日益增长，需要有效的方法来从网络中提取出有价值的生物学信息。rn G-N算法能在复杂网络中发现簇结构，并且显示出很好的性能。但是，该算法的计算开销很大，只适合处理中小规模的网络。本文提出一种对于G-N聚类算法的并行实现，以允许使用者用分布式的计算机集群分析大型的PPI网络。

摘要： 本文对甲型流感病毒(IAV)-人类相互作用从蛋白质层面进行了网络分析.研究发现,IAV强烈倾向于与具有特定拓扑特征和生物功能的人类蛋白质结合.基于这些拓扑特征和生物特征,应用支持向量机结合遗传算法建立了识别模型.基于留一法交叉验证,总预测精度为71.4％.将该模型用于9706个人体蛋白质,最终从人体相互作用组中识别了1418个新的靶标基因,其中部分基因已经被证实在IAV感染中起了重要作用.

摘要： 蛋白质相互作用网络(Protein-Protein Interaction,PPI)聚类结果的评价方法的研究是检测PPI网络功能模块聚类结果正确与否的关键.介绍并分析了4种有代表性的PPI网络聚类的评价方法,即p-value、匹配统计量、基于准确率和查全率的综合评价以及基于层结构的hF-measure,在此基础上考虑了主错误划分类与该预测类的相似性,提出了新的罚分函数和新的Sf-neasure评价方法.仿真结果表明了各评价方法的特点及Sf-neasure评价方法的有效性及合理性.

摘要： 从大规模相互作用网络中识别蛋白质复合物，对解释特定的生物进程和预测蛋白质功能具有重要作用，同时也是后基因组时代一个最重要的研究课题。由于在真实的蛋白质相互作用网络中，每个蛋白质可能属于多个蛋白质复合物。识别有交叠的蛋白质复合物是一个非常具有挑战性的研究课题。算法CPM（Clique Percolation Method）作为一种有效的识别复杂网络中交叠模块结构的算法在社会网络和生物网络中得到了广泛应用。但，CPM 算法应用于蛋白质相互作用网络时蛋白质复合物识别准确率不高，且不利于识别规模适中的蛋白质复合物。为克服CPM 算法的不足，本文通过引入距离限制约束识别的蛋白质复合物的规模，进而提出了一种基于团渗透和距离限制的蛋白质复合物识别算法CPM-DR。基于酵母蛋白质相互作用网络平台的实验结果表明，算法CPM-DR 比CPM 能够更准确、更有效、更全面的识别出具有特定生物意义的蛋白质复合物。

摘要： 本发明公开一种基于注意力机制使用蛋白质一级序列预测蛋白质相互作用的卷积神经网络模型，为双层网络结构，每层网络依次包括嵌入层，卷积层，注意力层，全局平均池化层；预测时，将蛋白质的两条序列分别输入到一层网络的嵌入层，然后依次经过卷积层，注意力层，全局平均池化层处理，最后将两层网络所输出的特征向量合并为一条特征向量输入到全连接层，通过sigmoid完成蛋白质相互作用的分类，输出预测结果值。本发明用于对蛋白质相互作用进行预测，经验证预测效果好。

摘要： 本发明涉及一种节点相互作用网络中关键节点发现方法。方法包括：以节点相关作用网络G(V,E)构造二分图B(V

摘要： 本发明涉及一种基于孪生‑集成神经网络的蛋白质蛋白质相互作用预测模型,包括:(1)蛋白质序列对输入到编码层,每一个蛋白编码成1000*N的特征矩阵；(2):把这一对蛋白质特征输入到孪生‑集成神经网络进一步提取特征。集成神经网络由MCN和MBC构成。相同的集成神经网络共享参数,构成了孪生神经网络。我们的特征提取是从全局和局部共同提取特征。MCN通过调整不同的kernel‑size可以专注于提取蛋白质特征的局部信息,MBC可以整体提取蛋白质序列的全局信息,输出是四个256维的向量(3):把这四个256维的特征向量通过concatenation操作合并成1024维的特征向量,随后通过多层感知机来最终输出模型的预测结果。根据数据集原始的标签和模型预测结果，通过损失函数评价模型性能，反向传播来更新模型参数。

摘要： 一种基于循环网络的蛋白质与蛋白质相互作用预测方法，首先，根据输入的待测定蛋白质‑蛋白质作用的蛋白质序列信息，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；其次，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；然后，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；再次，搭建循环神经网络框架，从PDB库中收集已有蛋白质‑蛋白质界面相互作用的蛋白质序列和标签，计算蛋白质序列的特征张量，与对应的标签组成数据集，使用循环神经网络框架在数据集上学习预测模型；最后，将待进行蛋白质‑蛋白质界面相互作用预测的特征向量输入模型中，得到界面作用预测结果。本发明计算代价低、预测精度高。

摘要： 本发明公开了一种基于深层图卷积网络的蛋白质‑蛋白质相互作用位点预测方法，包括步骤如下：根据蛋白质的序列和结构信息，提取节点特征矩阵和包含边信息的邻接矩阵，共同构成蛋白图表征；采用基于初始残差和恒等映射的深层图卷积；深层图卷积的最后一层图卷积层的输出输入一个多层感知机，完成构建深层图卷积神经网络；将训练数据提取得到蛋白图表征，采用五折交叉验证方法对深层图卷积神经网络进行训练；将待测数据通过提取得到蛋白图表征，并输入训练好的深层图卷积神经网络，实现对蛋白‑蛋白相互作用位点的预测。本发明能更充分地利用蛋白质空间结构信息，进一步提高蛋白‑蛋白相互作用位点预测的准确率。

摘要： 本发明公开了一种基于蛋白质相互作用网络和蛋白质组学的蛋白质鉴定方法。该方法基于相互作用蛋白质间的存在概率亦相互影响的现象，在鸟枪法蛋白质组学数据上融合蛋白质相互作用网络信息，定义了新的蛋白质鉴定图模型，利用图模型中蛋白质的存在概率及其所获得的邻居蛋白质结点的支持度来调整肽映射到蛋白质的概率，从而调整蛋白质的存在概率。该方法能识别大部分的蛋白质，与其它鉴定方法比较，具有较的高的精确度。为生物学家通过蛋白质组学数据推断和鉴定蛋白质的实验以及进一步研究提供有价值的参考信息。

摘要： 本发明公开了一种从动态和静态蛋白质相互作用网络中挖掘蛋白质复合物的方法，包括：步骤一、构建具有权重的动态蛋白质相互作用网络和具有权重的静态蛋白质相互作用网络；步骤二、在具有权重的动态蛋白质相互作用网络和具有权重的静态蛋变质相互作用网络中，识别蛋白质复合物的核；步骤三、根据蛋白质复合物的核，在在具有权重的动态蛋白质相互作用网络和具有权重的静态蛋变质相互作用网络中，基于启发式搜索算法构建蛋白质复合物；步骤四、根据社区模型分数给蛋白质复合物进行打分，舍弃低于平均分的蛋白质复合物，进而得到高于平均分的蛋白质复合物；步骤五、在高于平均分的蛋白质复合物中，分别两两计算相似性，得到最终挖掘出的蛋白质复合物。

摘要： 本公开提供一种基于动态加权蛋白质相互作用网络的蛋白质复合物挖掘方法，包括以下步骤：利用基因表达谱数据过滤不具有活性的蛋白质，构建动态蛋白质相互作用网络，再利用综合权值度量为动态蛋白质相互作用网络加权并添加新的相互作用，进而构建动态加权蛋白质相互作用网络；利用蛋白质的关键性和复合物的内在属性来构建蛋白质复合核；采用模糊粒度的相似度函数改进蚁群算法的拾起规则，利用紧密度优化放下规则，实现蛋白质复合物的挖掘；利用局部权值更新策略来实现不同代蚁群之间的最优解信息的传递，采用全局权值更新策略实现相邻时刻动态加权蛋白质相互作用网络之间的功能信息传递；以及输出挖掘出的蛋白质复合物。

摘要： 本发明公开了一种基于蛋白质相互作用网络和蛋白质组学的蛋白质鉴定方法。该方法基于相互作用蛋白质间的存在概率亦相互影响的现象，在鸟枪法蛋白质组学数据上融合蛋白质相互作用网络信息，定义了新的蛋白质鉴定图模型，利用图模型中蛋白质的存在概率及其所获得的邻居蛋白质结点的支持度来调整肽映射到蛋白质的概率，从而调整蛋白质的存在概率。该方法能识别大部分的蛋白质，与其它鉴定方法比较，具有较的高的精确度。为生物学家通过蛋白质组学数据推断和鉴定蛋白质的实验以及进一步研究提供有价值的参考信息。

摘要： 本发明公开了一种基于蛋白质相互作用网络和网络拓扑结构特征识别蛋白质功能的方法。首先，构建节点和边加权的蛋白质相互作用网络，节点代表蛋白质、边代表其相互作用；然后，采用蛋白质一级结构描述符和蛋白质-蛋白质相互作用信任得分对网络中的节点和边加权；收集蛋白质功能注释数据，构建数据集，基于图论，提出新的具有全局和局部信息地网络拓扑结构特征蛋白质；最后，采用最小冗余最大相关方法选择特征、利用支持向量机构建模型预测蛋白质功能。本发明的蛋白质功能预测方法显著优于现有技术，对序列相似性和采样具有鲁棒性，同时由于不需要蛋白质的三维结构等信息，本方法简单、快速、准确、高效，有望应用于蛋白组学等研究领域。