蛋白质网络幻灯片.pptVIP

模块结构和多种蛋白质复合物 PIN已经被证明有模块结构，直接的解释是，它有很多蛋白质复合物 检测蛋白质复合物的方法是聚类，包括MCL（Markov聚类）、RNSC（限制邻近搜索聚类）、SPC（超顺磁聚类）和MCODE（分子复合物检测） 对原有网络进行随机化移除或加边，然后用这几种算法测试，发现MCL比其他的鲁棒性好，RNSC对边的删除更敏感，其他两种在这些方面相对弱些 模式识别的算法也可以得到模块结构，定义节点度的相似度量，开始于一个初始的随机子网络，根据相似性与他们的邻居交换信息，这种方法与MCL很相似 用网络的模块结构，根据下面两种度量定义了节点的作用 1、z，相对模块内节点度，衡量一个节点连接到模块中其他节点的好坏 2、P，参与系数，衡量节点连接到其他模块的好坏 也证明了网络的异配性 五、蛋白质信号网络（PSN） 大多数信号网络的研究集中在减少复杂性的一个特定蛋白质翻译后修饰（PTM） 一些基于常微分方程的数学模型可以提供很多关于动力学及信号转导路径功能的洞察，但需要很多生物数据 定义PSN：节点是蛋白质的PTM状态水平；有向边是因果关系，暗示一个蛋白质的PTM状态使得另一个蛋白质的PTM状态改变。因此节点是一个定量变量，即PTM状态的浓度。磷酸化是研究的最多的PTM 扰动策略 近来，两个主要的研究是怎样通过实验获得体内PSN和扰动分析 基本思路是：系统中的某些元素发生扰动，测量其他元素的反应。这样可以得到因果关系，但下一步要区分直接或间接作用 Santo研究了人类3个裂原活性蛋白激酶小网络的相互作用并给了一个干扰然后推断网络的结构，后来又用到信号网络上 Sachs研究了11个蛋白质的信号网络。系统中的元素重复被干扰，并且重复测量它们的反应。与已知的路径比较，可靠性比较高 磷酸化蛋白质组学 磷酸肽序列的质谱识别分离磷酸肽能够得到大量磷酸化位点 因为每个磷酸化蛋白质平均至少有三个磷酸化位点，这样可以定义另一个网络，将磷酸化位点看做节点，这样可以发现体内的PSN（动态的） 用于磷酸化测量的蛋白质芯片 Ptacek发现蛋白质激酶对蛋白质不同集合磷酸化的高度相关性，暗示芯片是识别特定蛋白质激酶底物的有效工具 缺点：因为生理环境信息的缺乏，蛋白质芯片仅仅是可能激酶连接的预测。启动信号的缺失不可避免的导致假阴性；人为地将激酶和底物靠近会导致假阳性 肽芯片可以用来确定动物和植物细胞提取物中蛋白质组范围激酶的活性 缺点：除了上面的缺点，激酶与底物的对接域可能被磷酸化位点分离 PSN的计算探索 Lingding提出NetworKIN的方法，发现PSN，这类网络信息确定了至少60%的激酶特异性，并且预测精确性提高 除了直接的蛋白质间的相互作用，STRING还提供了间接的蛋白质或基因间的相互作用 就激酶和他们的底物来说，PIN和PSN有大部分的重叠，因此，期望用PIN的信息构建PSN 六、PSN的复杂网络分析 复杂网络的大多数分析工具是基于无向网络的，对于有向网络有时候忽略边的方向性，但这显然是不正确的，因为会丢掉一些信息 对于一些无向网络中概念的扩展： 度分布 入、出度分布 聚类系数 上游、下游聚类系数 中心点 出度比较大、入度比较大或两者都比较大的中心点 Linding研究了1810个节点，5189个边的人类的PSN，但忽略了边的方向，得到度分布是幂律，且有模块结构。 期望：研究有向PSN的复杂网络分析的文献出现 七、其他蛋白质网络模型 蛋白质同源网络（PHN）：节点是来自多个生物体的蛋白质，边是基于一个特定度的序列同源 研究了来自251个真核基因组的633404个节点的PHN，通过DNA序列相似性比较，大于一个阈值的时候关联两个节点得到PHN，发现有127856个蛋白质孤立，其他的分为28226个类，最大的分支有39321个点，有明显的模块性 另一种是基于基因本体注释相似的网络。点是蛋白质，边是基于注解重叠的一个度连接的 八、总结 综述了从蛋白质组获得网络模型的实验方法和计算方法，以及复杂网络分析 强调了网络拓扑和生物系统鲁棒性的关系；网络度量和表型特征的关系；并且功能相似的蛋白质相连接，对于预测未知蛋白很重要；每个网络点边的特异性 很多蛋白质网络的分析结果依赖于与零模型的比较：如果与随机情况是不同，这种性质可能蕴含着某些生物学意义。因此零模型的选择至关重要 PIN和PSN在不同的环境中是动态变化的，用NerworKIN或蛋白质和肽芯片将会提高细胞调控的动力学模型的构建 化学遗传学、启动子活性的时空分析、RNA干扰技术、其他的PTM分析等等可以提供这些网络的其他方面的研究 单个细胞水平的信号调控网络期望得到更精确的网络模型 包含所有发生在代谢、蛋白质组、转录的调控事件的网络将可以用复杂网络分析