从蛋白质相互作用网络预测未知蛋白质功能.pdf

从蛋白质相互作用网络预测未知蛋白质功能 摘 要 蓬勃发展的基因组测序计划已经产生了大量的新基因 对于和已知基因缺少序列 或结构上的同源性的未知基因来说 确定它们的功能是后基因组时代一项深具挑战 性的工作 从蛋白质相互作用网络预测蛋白质功能已经被证实为一种有效的方法 但是许多未知蛋白质缺少相应的蛋白质相互作用信息 因此 我们针对两个物种的 不同的蛋白质相互作用研究现状相应采用了两种不同方法 模式生物酵母已经存在 大量蛋白质相互作用数据 而且这些数据主要集中于已知蛋白质 我们将未知蛋白 质的用支持向量机 Support Vector Machine SVM 预测的相互作用数据结合现有 实验数据预测未知蛋白质功能 SVM 方法预测的初始数据在通过已知蛋白质的大量 实验数据建立的可靠蛋白质相互作用网络中得到筛选 加入 SVM 数据到测试数据 后 功能预测的准确率明显提高 相对地 疟原虫缺少足够的建立蛋白质相互作用 网络的实验数据 我们通过genomic-context 方法预测其功能相关蛋白质并在功能相 关预测数据建立的网络中结合其表达信息分析 这个综合方法显示了一些已知功能 蛋白质之间的功能联系 并预测了一些未知蛋白质的功能 这两种综合的网络方法 展示了通过预测方法从整体的角度研究基因组的光明未来 关键词 蛋白质相互作用 网络 功能预测 酵母 疟原虫 PROTEIN FUNCTION PREDICTION FROM PROTEIN-PROTEIN INTERACTION NETWORK ABSTRACT The genome sequencing projects have generated a large number of new genes. In the absence of sequence or structural homology to known genes, assigning functions to uncharacterized genes is one of the most challenging problems in the post-genome era. However, predicting protein function from protein-protein network has been confirmed to be an efficacious method. But many uncharacterized proteins lack protein-protein interaction (PPI) information. Therefore, we have developed two different schemes for two organisms with different PPI research situation. For model organism yeast, with a lot of PPI information which is mostly involved with known proteins, we incorporated the uncharacterized proteins ’ PPI data, predicted from Support Vector Machine (SVM) method, with current available experimental data to assign functions to uncharacterize d proteins, by screening the initial predicted PPI data from the SVM method in the well- integrated networks established with