 上传我的文档
 下载
 收藏
IT专业技术人员，擅长IT专业及教育培训相关工作
 下载此文档
拟南芥LBD基因家族在根从头再生过程中的功能研究
下载积分：1000
内容提示：拟南芥LBD基因家族在根从头再生过程中的功能研究
文档格式：PDF|
浏览次数：9|
上传日期： 14:15:35|
文档星级：
全文阅读已结束，如果下载本文需要使用
 1000 积分
下载此文档
该用户还上传了这些文档
拟南芥LBD基因家族在根从头再生过程中的功能研究
官方公共微信当前位置： >>
基于关联基因本体论注释的蛋白质相互作用预测
２００５；３２（５）生物化学与生物物理进展Ｐｒｏｇ．Ｂｉｏｃｈｅｍ．Ｂｉｏｐｈｙｓ．?４４９?基于关联基因本体论注释的蛋白质相互作用预测术张茜－，∞王敬泽－）“（１）中国科学院动物研究所，生物膜与膜生物工程国家重点实验室，北京１０００８０； ２）中国科学院研究生院，北京ｌｏ００３９）<
br />摘要细胞中的生理活动主要是通过蛋白质．蛋白质之间的相互作用来调控完成．详尽细致的蛋白质一蛋白质相互 作用网络的解析对于理解细胞中复杂的调控、代谢和信号通路有重要的意义．近年来，关于新的蛋白质一蛋白质相 互作用预测领域进展快速，这里，利用贝叶斯算法结合关联的Ｇｏ（Ｇｅｎｅ ｏｎｔ０１０９ｙ），来预测蛋白质的相互作用．利 用非冗余的蛋白质相互作用数据来观察Ｇ０对的特性，得到Ｇｏ关联的概率．通过阳性的和阴性的标准对照数据证 实这个新方法可以很好地区别这两类不同的数据，显示出较好的灵敏度和非常低的假阳性预测率．通过与已知的 高通量的实验数据比较，这个方法具有灵敏度高、速度快的优点．而且，运用这个新方法可以提供一些新的关于 细胞内蛋白质之间相互作用的信息，为进一步的实验提供理论依据． 关键词蛋白质．蛋白质相互作用，关联的，基因本体论，贝叶斯（Ｂａｙｅｓｉ锄） 学科分类号０８１１．４蛋白质一蛋白质相互作用（ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒ?ａｃｔｉｏｎ，ＰＰＤ是大多数生物细胞进行各种生化 过程的基础，例如通过物理性的结合，暂时性的磷（ｃｅＩｎｒｏｓｏｍｅ ｐｒｏｔｅｏｍｉｃｓ）的研究并已经得出一些有价值的猜想［１３］．在ＰＰＩ预测研究中，整合各类相关 数据对进一步的分析非常重要【１４】．不同的实验数据通过整合得出的ＰＰＩ网络可以得到更多精确度高的 有价值的结果．以前的结果证实，不仅全基因组可 以通过整合的功能关联网络进行注释【ｂ】，即使是酸化，ＳｕＭＯ化【１】等机制组成多蛋白质的复合物．随着基因组和蛋白质组计划的不断发展，大量关于 基因和蛋白质的数据可以被检索，从而通过计算的方法绘制ＰＰＩ网络，详尽的ＰＰＩ网络反过来又可以揭示生物基因组和蛋白质组中包含的多方面、复杂 的细胞内功能的关联［２】．“纯粹的预测”也可以为进一步的实际试验提供更多的信息［垌．以前的研究表明，显著关联的序列特征（潜在的相互作用结构域）可以用来预测ＰＰＩ［１１】，反之， 利用ＰＰＩ数据也可以推测潜在的结构域一结构域之 间的相互作用［嘲．既然ＰＰＩ可以通过Ｇｏ注释被用 来预测蛋白质的功能［ｂ，－７】，我们猜测是否可以通过 蛋白质之间的功能关联来预测ＰＰＩ．为了验证这个多年来的研究表明，ＰＰＩ网络可以通过很多实验方法来验证，这些方法大多需要费时费力的试验 工作而且准确性不高［３】，比如芽殖酵母的ＰＰＩ网络已经得到了很大程度的解析Ｍ．为了提高效率和方便检索，许多预测ＰＰＩ的计 算方法已陆续被开发，例如基于基因的融合和分想法，我们使用一种被报道过的Ｎａｗｅ Ｂａｙｅｓｉａｎ算 法［１８】来表明关联的ＧＯ对可以作为预测ＰＰＩ的一种手段．通过处理公用的数据库，我们得到了芽殖酵 母的Ｇｏ注释，然后计算这些Ｇｏ对的先验概率 （ｐｒｅ．ｔｅｓｔ裂【司，基因在基因组上顺序的保守或基因邻居关 系【７，８】，进化谱【９】，共表达或者相关联的ＩＩⅡｍＡ表 达［１０］而研究开发出的预测方法．近年来有研究结果 表明关联的序列特征，比如相互作用的蛋白质结构域可以被用来作为预测蛋白质相互作用的一种策略ｐｒｏｂａｂｉｌｉ啪．利用已有的被称为“黄金标准ｃｏｎｔｒ０１集”（９０１ｄ ｓｔａｎｄａｒｄ）的阳性对照数据Ｑｏｓｉｔｉｖｅ［１ｌ】’另外，潜在的蛋白质结构域互相之间的物理结合也可以通过ＰＰＩ的数据进行推测【切．ｄａｔａ）和阴性对照数据（ｎｅｇａｔｉｖｅ ｃｏｎ仃０１ ｄａｔａ），这项工作表明关联的ＧＯ可以作为一种新颖的方法来预随着计算技术的飞速发展，在计算的指导下进 行实验验证是目前ＰＰＩ研究中的一个重要趋势．例 如，蛋白关联谱算法（ｐｒｏｔｅｉｌｌＰｃＰｃｏｒｒｅｌａｔｉｏｎ ｐｒｏｆｉｌｉｎｇ，?国家自然科学基金资助项目（３０１７１０７１）． ＋?通讯联系人． Ｔｅｌ：０１０－６２５５１６６８，Ｅ—ｍａｉｌ：ｗａＩｌ萄ｚ＠ｉｏｚ．ａｃ．ｃｎ 收稿日期：２００４—１２－０１，接受日期：２００５?０１—３１ａｌｇｏｒｉｍｍ）被用来开发以帮助中心体蛋白质组万 　 方数据．４５０．生物化学与生物物理进展Ｐｒｏｇ．Ｂｉｏｃｈ哪．Ｂｉｏｐｈｙｓ．ｃｏｍｐｏｎｅｎｔ测ＰＰＩ，而且它的灵敏度可以与已知的大规模实验ｕＩ】ｋｎｏⅥｍ），（］ｏ：０００５５５４（ｍｏｌｅｃｕｌａｒ数据相媲美．另一方面，这种方法可以很好地区别阳 性数据和阴性数据从而得到很低的假阳性率．ｆｉｍｃｔｉｏｎ ｕｎｌ（１１０ｗｎ），因为这些未知的和不明确的注释将会干扰我们的分析．那些没有Ｇｏ详细注释过的蛋白质及其作用对被去除掉以后，我们得到一套 含有１４ ５６５ ＰＰＩ对和３ ９９２个蛋白质的数据，同时 在所用的数据中总的Ｇｏ注释的数目是２ ４２５条． １．２算法 这项工作采用了Ｎａｗｅ ＢａｖｅｓｉａＩｌ算法．因为根１材料和方法１．１材料 １．１．１训练数据集．用做训练数据集的ＰＰＩ数据从 两个公用数据库中得到，Ｄａｔａｂａｓｅｏｆ ｈｌｔｅｒａｃｔｉｎｇＰｒｏｔｅｉｎｓ（Ｄ口）（Ｏｃｔ．２００３）和Ｍ口Ｓ ＣｏｍｐｒｅｈｅｎｓｉＶｅＹｅａｓｔ Ｇｅｎｏｍｅ据推测，如果两个蛋白质只，只可以产生相互作用，它们分别被ｍ，ｎ Ｇｏ条目注释，那么它们应Ｄａｔａｂａｓｅ（ＣＹＧＤ）ＰＰＩ（Ｏｃｔ．２００３）．在本工作中我们只使用了酵母的数据．Ｄ口包含了１５该功能上相互关联，也就是两个Ｇｏ条目对相同的 功能有注释．那么，只和只是相互作用对的概率为：１６４对相互作用，而ｃＹＧＤ包含１１ ８６２对．非冗‘‘黄金标准集”和检验数据． 为了验证方法，我们使用已经报道的被称为余的蛋白质相互作用对总共是１７ ０１３对．１．１．２嘏＝１）２１一儿（１一只Ｇ。ｖ２１）） （Ｇ。，，Ｇ．，）５（只妒）厶＝１：蛋白质只和只是相互作用对；Ｇ删＝１：Ｇｅｎｅ“黄金标准集”的阳性和阴性的对照数据【１９１．阳性 对照数据包含从同样Ｍ坤ｓ复合物中抽提出来的对，ｏｎｔｏｌｏｇｙ（Ｇｏ）条目Ｇ ｍ，和Ｇ。，是功能相关的；阴性对照数据包含从不同亚细胞定位的蛋白质对．为了比较，我们也随机产生１００ ０００伪相互作 用对（ｐｓｅｕｄｏ．ＰＰＩ）作为检验数据，这其中可能包含ｍ’，ｎ ７：ｍ’∈（１～”０，ｎ’∈（１～ｎ）；（Ｇ∥，Ｇ。，）∈（ＪＲ×毋）：ＧＯ对（Ｇ“，Ｇ。．）包含于只×只． Ｐ（Ｇｍ，一＝１）被认为是先验概率０ｒｅ—ｔｅｓｔ一些真的相互作用，但占较小的比例．１．１．３高通量实验数据集．我们把结果与高通量的 数据相对比，包括两组体内（抚口面ｏ）ｐｕｌｌ一ｄｏｗｎ的数ｐｒ０６曲施们，它可以从训练现有的实验数据中得到．计算先验概率的公式如下：，＂＋据∞：ｕ，和两组体外酵母双杂交的数据瞄一．表１中列出了这项工作中所有的ＰＰＩ的相关信息． １．１．４蛋白质的基因本体论Ｇｏ注释． 基因本体论联合会例（Ｇｅｎｅ ｏｎｔｏｌｏ斟ＨＧ。＝１）＝；》 ¨ｍ胁。：相互作用蛋白对中包含（Ｇ。ＧＪ的数目；Ⅳｍ：可能的蛋白对中包含（Ｇ。ＧＪ的数目．下面将列举实例来说明先验概率的计算方法．例如在计算结果中，两个Ｇｏ标注ＧＯ：０００５６８５Ｃｏｎｓｏｒｔｉ岫）所建立的数据库，旨在建立一个适用于各个物种，对基因和蛋白质功能进行限定和描述（ｓｎ对旧ｕ１）和ＧＯ：０００５６８６（ｓｎ对旧Ｕ２），在芽殖酵母***有１０个蛋白质被Ｇｏ：０００５６８５注释，１１个 蛋白质被Ｇｏ：０００５６８６注释．因此Ⅳ胤＝１０×１１＝１１０．的语言词汇标准，这个标准可以随着研究的不断深入而更新．这里我们将ＧＯ注释映射到我们的非冗 余ＰＰＩ数据集上． 首先将从Ｄ口和Ｍ口Ｓ中得到的芽殖酵母总蛋 白的数据映射到ＳｗＩＳＳ—ＰＲＯＴ和ＴｒＥＭＢＬ数据库， 从而得到蛋白质的标准标识符．然后又参照ＳＧＤＥｘｔｅｍａｌ在我们的非冗余ＰＰＩ数据中，共有１６对蛋白质分 别被Ｇｏ：０００５６８５和Ｇｏ：０００５６８６注释，因此如￡。＝ １６．因此在本例中，可以计算，只Ｇｍ，一＝１）＝１６／１１０．Ｌｉｌｌｋｓ手工检验了每个蛋白质的信息，以我们从Ｅｕｒｏｐｅａｎ Ｂｉｏｉｎｆｏｌｌｌｌａｔｉｃｓ２结果保证所得到的蛋白质标识符正确无误． 接下来，２．１关联的Ｇｏ可以被用作预测蛋白质相互作用的一种方法ｈｌｓｔｉｔｕｔｅ（ＥＢＩ）的ＧＯＡ嘲的ｕ＿ｎｉＰｒｏｔ数据库下载（邱：／／邱．ｅｂｉ．ａｃ．ｍ洳ｕｂ／（１ａｔａｂａｓｅｓ／ＧＯ／）了包含所有Ｇｏ注释的数据．另外，将这些数据中的ＧＯ注释映射到 我们的非冗余ＰＰＩ数据集上． 在分析中去除了３个ＧＯ：ＧＯ：００００００４ （ｂｉｏｌｏ西ｃａｌ工作中所应用到的总ＰＰＩ数据的相关信息已在 表ｌ中列出．将两个公共ＰＰＩ数据库合成一个非冗余数据集用来做为训练数据集，通过计算每个ＧＯ对的先验概率．事实上很多ＧＯ对的先验概率为０，所以，Ｇｏ关联性的空间非常稀疏．万 　 方数据ｐｒｏｃｅｓｓｕ１１ｌｍｏ、）ｌ，ｎ），ＧＯ：０００８３７２（ｃｅｌｌｕｌａｒ２００５；３２（５）生物化学与生物物理进展Ｔａｂｌｅ １Ｐｒｏｇ．Ⅸ∞ｈ哪．Ｂｉｏｐｈｙｓ．ｕｓｅ?４５１?ｂ皿ｆｂｎｎａｔｉｏｎ ｏｆ ｔｌｌｅ ｔｏｔａｌ ｄａｔａ ｓｅｔ ｗｅＦｒｏｍ ｐｕｂｌｉｃ ＰＰＩ ｄａｔａｂａｓｅｓ ＣＹＧＤ ａＩｌｄ Ｄ坤，ｗｅ ｇｅｎｅｒａｔｅ ｎｅｇａｔｉｖｅ ｃｏｎ缸Ｄｌ ｄａｔａｓｅｔｓａｒｅａＩｌｏＩｌ?ｒｅｄｕｎｄａｎｔ ＰＰＩ ｄａｔａｓｅｔ埘ｔｈ ｔｈｅｎ哪ｂｅｒ ｏｆ １７０１３．Ｂｏｔｌｌ ｐｏｓｍＶｅ ａＩｌｄｕｓｅｄ ｆｏｒ ｔｅｓｔｉｌｌｇ．Ａｎｄ ｗｅ ａｌｓｏ ｇｅｎｅｒａｔｅ ｃｈｏｓｅｎ ｆｏｒ ｃｏｍｐａｒｉｓｏｎ．ａ删ｎｄｏｍ ｄａｔａ ｓｄ ｃｏｎｔａｉｎｉｌｌｇ １００ ０００ ＰＰＩ ｐａｉｒｓ．Ｆｏｌ｜ｒｈｉ曲一ｔｈｍｕｇｈｐｕｔ ＰＰＩ ｄａｔａｓｅｔｓａｒｅ接下来用四组数据来检验这个方法，包括训练 使用的数据集，随机伪相互作用对，阳性对照和阴 性对照．至于随机伪相互作用对，是指从随机挑出 ２个芽殖酵母蛋白形成的１００ ０００对组合．很显然，这些数据中包含极少量真正的ＰＰＩ，但是它的预测结果预期应当不同于真正的ＰＰＩ．我们采用了以前 报道过的【－９】阳性和阴性对照，阳性对照包括在同一 个Ｍ口Ｓ复合物中的蛋白质对，而阴性对照中的蛋 白质则是有着不同的亚细胞定位的蛋白质对．因为 应用真正的ＰＰＩ作为训练的数据，阳性对照的预期 结果与训练的数据相似，而阴性对照和随机伪相互Ｐｒｅｄｉｃｔｅｄ∞ｌ『＿【意ｏ．１∞口。甑矗器｝ｏＪｐｒｏｂａｂｉｌ订ｙｓｃｏｒｅ作用对的数据结果和阳性对照和训练的数据显著不同．Ｆｉ昏１’ｎＩｅ ｃｌｌｒＶ鹳ｏｆ ｐｒｅｍｃｔｅｄ ａｃｃｕｒａｃｙ■一■：ＤＩＰ＆ＣＹＧＤ；●一●：Ｒａｎｄｏｍ １０Ｋ；▲一▲：【ｉ—ｎｅｇ；Ｖ—Ｖ：图１中列出了结果的对比．很明显，训练数据 集准确性最高，当概率值Ｑｒｏｂａｂｉｌｉｔｙ ｓｃｏｒｅ）大于０．５的时候，阳性对照的曲线与训练数据的很相似． 有趣的是，阴性对照的曲线位于最近底部，这表 明用这种方法不会产生太多的假阳性结果．因为随 机伪相互作用对中包含极少的真正的ＰＰＩ，我们发Ｍ口Ｓ ｃｏｍｐｌｅｘ．Ｗｅｕｓｅｆｂｌｌｒｄａｔａｓｅｔｓｔｏｃｏｍｐａｒｅｔｈｅ ｐｒｅｄｉｃｔｅｄａｃｃｕｒａｃｙ：０１ｌｒ ｔｒａｉｎｉＩ坞ｄａｔａ ｓｅｔ，ｐｏｓｍＶｅ ｃｏｎ订ｏｌ（Ｍ口Ｓ ｆ’ＰＩ ａｎｄ ｎｅｇａｔｉｖｅ ｃｏｎｔｒ０１．Ｉｔ，ｓｎｏｔｃｏＩｒｌｐｌｅｘ），ｍｄｏｍｏｕｒｓｍｍｇｅ ｔｈａｔ ｏｕｒ仃ａｉｎｉｌｌｇ ｄａｔａ ｇｅｔ ｔｈｅｌｌｉ曲ｅｓｔ ｒａＩｌｌ【．Ｂｕｔ ｉｔ’ｓ ｃｌｅａｒ ｔｈａｔ ｔｈｅ ｐｏｓｉｔｉｖｅ ｃｏｎ仃０１ ｉｓ ｍｕｃｈ １ｉｋｅ恤ｉｎｉｎｇＡｎｄ ｈｉｔｓ．Ｓｏｄａｔａｗｂ髓ｍｅＰｒｅｄｉｃｔｅｄＰｍｂａｂｉｌ时Ｓｃｏｒｅｉｓ ｇｒｅａｔｅｒ ｔｌｌａＩｌ ０．５．０ｕｒｍｅｔｌｌｏｄ口甜ｉｃｔｓｏｕｒｂｏｔｈ ｔｈｅ ｎｅｇａｔｉｖｅ ａｎｄ ｒａｎｄｏｍ ＰＰＩ、】ｌｒｉｔｌｌ ｐｏｏｒｍｅｔｈｏｄ ｈ髂ａ ｍｕｃｈｓａｔｉｓ轴ｇｓｅｎｓ“ｉｖｉｔｙ ｗｉｔｈａｍｕｃｈ １０ｗｆｈｌｓｅ Ｄｏｓｉｔｉｖｅ ｍｔｅ．现当概率值低于Ｏ．２的时候，很难区分阳性对照和我们的随机ＰＰＩ，这表明，即使在黄金标准集阳性 对照中，仍然存在相当的假阳性，当概率值大于 ０．３的时候，阳性对照的曲线趋于平滑，即使是概 认为相关的ＧＯ可以作为ＰＰＩ预测的一种方法，而 且可以得到令人满意的敏感度和很低的假阳性率． 在这篇文章中，我们任意选择了０．５作为概率值的率值大于０．９的时候，本方法仍能够准确地预测约２０％相互作用． 图１显示本实验的方法能够将真的ＰＰＩ和假的一个界限，来做进一步的讨论．以这个界限来说，能够对我们的训练数据集和阳性对照数据分别有约ＰＰＩ区分开来，当概率值大于０．５的时候，这个方法将阴性对照预测为阳性得分的可能性为０．所以５０％和３０％的阳性预测率．然而对与随机伪相互作 用对和阴性对照，仅仅有５％和１％的假阳性率．万 　 方数据．４５２．生物化学与生物物理进展Ｐｍ昏Ｂｉｏｃｈ咖．Ｂｉｏｐｈｙｓ．２００５；３２（５）２．２与高通量实验数据作比较为了对比预测准确性，一些高通量实验产生的 试验数据被用来做比较，同时阳性对照被选择用 来作为黄金标准集．两组数据从基因组层面的流口劫ｏ时候，灵敏度为４７％，当０．５被作为一个起始值（Ｃｕｔ—ｏ蛐的时候，灵敏度约为３０％，这些都高于 高通量的数据得出的灵敏度．ＧａＶｉｎ等刚得到的最 高的灵敏度是２１％，这表明本实验采用的方法在准确率和效率方面都非常有效．而且，本方法能够ｐｕｌｌ一ｄｏｗｎ脚１】得来，也就是用已深刻研究过的蛋白质作为饵（ｂａｉｔ）来钓出与之结合的蛋白质．另通过结合越来越多的高质量的实验证实的ＰＰＩ数据来增强自己的预测能力．然而在所有芽殖酵母的 ＰＰＩ被准确阐明之前，比较我们这种方法与高通量 的数据之间特异性的大小还难以进行． ２．３推导芽殖酵母蛋白的蛋白质相互作用信息 既然关联的ＧＯ注释能被用来预测ＰＰＩ，那么外两组数据酗是不同条件下大规模的酵母双杂交实验产生的．表２中大规模实验数据的灵敏度计算是根据之前报道的方法［１９】，将大规模实验的数据对应到阳性 对照数据上，能与阳性对照数据对应的认为是对 的，反之认为是大规模实验的疏漏或者假阳性结 果．因为一般认为理想情况下，基因组范围的大规这种方法能够对细胞ＰＰＩ的关系提供更多的，尚未被阐明的有洞察力的和新颖的知识吗？模的ＰＰＩ实验是能够充分地发现所有可能的相互作 用，但是因为受实验条件限制，比如灵敏度不高，假阳性结果太多，因此高通量实验得到的结果中， 常常含有大量的假阳性数据．对于表２中列举的假 阳性率（ｆａｌｓｅ ｐｏｓｉｔｉｖｅ ｒａｔｅ，ＦＰＲ）结果是根据阴性对 照数据计算的．而灵敏度数据则是根据阳性对照数为了解决这个问题，我们查阅了最近的关于端粒ＰＰＩ和蛋白质复合物的文献．端粒是指在染色体 末端的端粒ＤＮＡ和与它结合的蛋白质复合物闭， 端粒ＤＮＡ和端粒蛋白复合物之间在ＤＮＡ复制和 一条端粒ＤＮＡ链加长反应中起重要作用，这一功 能过程是维护基因组所必需的，退行性的过程可以据计算，同时列出了四组高通量实验数据的灵敏度 数据作为比较．Ｔａｂｌｅ ２使端粒ＤＮＡ变短．有报道称端粒蛋白复合物可以 作为抗癌药物的靶向鲫． 有些药物已经被开发设计用来阻止端粒复合物Ｃ岫ｐａｒｉｓｏｎ ｔｏｌｌｉｇｈ－ｔｈｒｏｕｇｈｐｕｔｄａｔａ减短端粒ＤＮＡ．但是，对于端粒复合物个体成员的数目以及它们之间的相互作用还不是很清楚．参照文献［２８］，我们找到了１２个被详细研究过的蛋白质，它们很有可能组成蛋白质复合体或者分子机器 来执行特定的过程．通过在公共的ＰＰＩ数据库中搜索，我们只找出了１４对实验证实过的相互作用对， 在图２中列出．以０．５作为限制值，用我们的方法预测在这１２个蛋白质之间有４８对新的相互作用， 用这种方法只漏掉了２对真正的相互作用．有趣的是，实验性的相互作用显示这些蛋白质形成两个独 立的亚复合体，其中一个包括ＳＴＮｌ，ＴＥＮｌ，ｍ ｏｒｄｅｆ ｔｈｅ ｆｏｌｌｒｔｏ ｔｅｓｔｏｕｒｍｅｍｏｄ，ｔｈｅ ｒｅｓｕｌｔｓ ｐｒｅｄｉｃｔｅｄ ｗｅｒｅ ｉ１１ ｄａｔａｓｅｔｓｃｏｍｐ撕ｓｏｎａｃｃｕｒａｃｙｔｏＴＬＣｌ，ＣＤＣｌ３，ＥＳＴｌ和ＥＳＴ２，另外一个包括ｈｉ曲?ｔｈｒｏｕ曲ｐｕｔｐｕｂｌｉｓｈｅｄ，ａｎｄ ｔｈｅｗａｓＲⅢ１，黜垤１，ＲⅢ２，Ｓｍ４，ＳⅡ匕和Ｓ取３．通过预 测，我们认为实际上这两个亚复合体之间存在相互 的对话来形成一个独立的蛋白质复合体，这对实验室工作者有一定的启发意义． 另外，芽殖酵母中的口Ｌｌ是～个很重要的有ｅｖａｌｕａｆｅｄ ｕｓｉｎｇ廿１ｅ ｐｏｓｉｔｉｖｅ ｃｏＩｌｔｍｌ ｇｒｅａｔｅｒ ｔｈａｎ ０．１，ａ ｈｉｇｈｅｒ Ａｎｄ ｗｈｅＩｌ ｗｅ ａｄｏｐｔｅｄ ｐｏｓｉｔｉｖｅｒａｔｅａｓｅｔｓ．Ｗｈｅｎ ｔｈｅ ｐｒｏｂａｂｉｌｉ哆ｓｃｏｒｅ ｉｓｏｌｌｒｓｅｎｓｉｔｉｖｉｔｙ ｏｆ ４７％ｗａｓ ｇｏｔ、）ｌｒｉｍｓｃｏｒｅｍｅｔｈｏｄ．ｍｕｃｈ ｓｔｒｉｎｇｅＩｌｔ ｍｒｅｓｈｏｌｄａｔ０．５，也ｅ ｆｈｌｓｅｉｓ ａｂｏｕｔ ｅｑｕａｌ幻ｚｃｒｏ，ｗｈｉｌｅ ｔｈｅ ｓｅｎｓｉｔｉ“ｔｙ ｉｓ ｓｔｉｌｌ ２９％，ｗｈｉｃｈ ｇｒｅ２【ｔｅｒ ｍａＩｌ ｔｈｅｅｘｐ妇ｅｎｔａｌ ｈｈ丝分裂激酶例，在动点∞ｎｅｔｏｃｈｏｒｅ）和微管之间的动力态链接中起主导作用ｐ卅．失去生物极性的突变 型口Ｌ１将不能定位到动点上．ⅢＬｌ在胞质分裂期 也很重要，在线虫和果蝇的ⅢＬｌ同源物被抑止后在ＭⅡ’ｓ复合物中含有８ ６１７个蛋白质，我们预测这些ＰＰＩ对从而得到表２中的结果．同时，这 四组大规模的ＰＰＩ数据与阳性控制数据也做了对 比，这些比较在表２中列出．当概率值大于０．１的万 　 方数据将导致有丝分裂后期和末期的异常．Ｄ√蝴ｌ蛋白是万 　 方数据．４５４．生物化学与生物物理进展Ｐｒｏｇ．Ｂｉｏｃｈｅｍ．Ｂｉｏｐｈｙｓ．ｂｙ ｕｓｉｎｇ ｅｖｉｄｅｎｃｅ ｉｎｔｅｇｒａｔｉｏｎ ｉｎ ｆｕｎｃｔｉｏｎａｌ—ｌｉｎｋａｇｅ Ｎａｔｌ Ａｃａｄ Ｓｃｉ １６２００５；３２（５） ｎｅｔｗｏｒｋｓ．Ｐｍｃ这种算法必然能够加强具体ＰＰＩ实验工作的顺利开展． 参考文献１ｕｓ＆２００４，１０１（９）：２８８８￣２８９３ＭｃＤｅｒｍｏｔｔ Ｊ，Ｓａｍｕｄｒａｌａ Ｒ．Ｅｎｈａｎｃｅｄ ｆｕｎｃｔｉｏｎａｌ ｉｎｆｏｒｍａｔｉｏｎ ｆｒｏｍｐｒｅｄｉｃｔｅｄ ｐｒｏｔｅｉｎｎｅｔｗｏｒｋｓ．Ｔｒｅｎｄｓ Ｂｉｏｔｅｃｈｎｏｌ，２００４，２２（２）：６０，ｑ５２Ｓｅｅｌｅｒ Ｊ１７ Ｌｅｔｏｖｓｋｙ Ｓ．ＫａｓｉｆＳ．Ｐｒｅｄｉｃｔｉｎｇ ｐｒｏｔｅｉｎ ｆｕｎｃｔｉｏｎ ｆｒｏｍ ｐｒｏｔｅｉｎ／ｐｒｏｔｅｉｎＳ，Ｄｅｊｅａｎ Ａ．Ｎｕｃｌｅａｒ ａｎｄ ｕｎｃｌｅａｒ ｆｕｎｃｔｉｏｎｓ ｏｆ ＳＵＭＯ．Ｎａｔ Ｂｉｏｌ，２００３，４（９）：６９０－－６９９１８Ｒｅｖ Ｍｏｌ Ｃｅｌｌ ２ｖｏｎｉｎｔｅｒａｃｔｉｏｎ ｄａｔａ：ａ ｐｒｏｂａｂｉｌｉｓｔｉｃ ａｐｐｒｏａｃｈ．Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，２００３，１９（Ｓｕｐｐｌ １１：ｉ１９７～ｉ２０４ＨａｙａｓｈｉｄａＭｅｔｉｎｇ Ｃ，Ｋｒａｕｓｅ Ｒ，Ｓｎｅｌ Ｂ，ｅｔ ０１．Ｃｏｍｐａｒａｔｉｖｅ ａｓｓｅｓｓｍｅｎｔ ｏｆｓｅｔｓＭ，Ｕｅｄａ Ｎ，Ａｋｕｔｓｕ ｆｒｏｍＴ．ｌａｒｇｅ—ｓｃａｌｅ ｄａｔａｏｆ ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ．Ｎａｔｕｒｅ，２００２，Ｉｎｆｅｒｒｉｎｇ ｓｔｒｅｎｇｔｈｓ ｄａｔａｏｆｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓｅｘｐｅｒｉｍｅｎｔａｌｕｓｉｎｇ ｌｉｎｅａｒ４１７（６８８７）：３９９，－４０３３ Ｌａｋｅｙ Ｊ Ｈ，Ｒａｇｇｅｔｔ Ｅｐｒｏｇｒａｍｍｉｎｇ．Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ．２００３，１９（Ｓｕｐｐｌ ２）：Ｈ５８－Ｈ６５ Ｍ．Ｍｅａｓｕｒｉｎｇ ｐｒｏｔｅｉｎ?ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ．１９Ｊａｎｓｅｎ Ｒ ａｐｐｒｏａｃｈＣｕｒｒ Ｏｐｉｎ Ｓｔｒｕｃｔ Ｂｉｏｌ，１ ９９８，８（１）：１１ ９～１２３ ４ Ｇａｉｎ Ａ Ｃ，ＢｏｓｃｈｅＹｕ Ｈ，Ｇｒｅｅｎｂａｕｍ Ｄ，ｅｔ０１．ＡＢａｙｅｓｉａｎ ｎｅｔｗｏｒｋｓＭ，Ｋｌ＂ａｕｓｅ Ｒｅｔ０１．Ｆｕｎｃｔｉｏｎａｌｆｏｒ ｐｒｅｄｉｃｔｉｎｇ ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎｉｎｔｅｒａｃｔｉｏｎｓ ｆｒｏｍ ｇｅｎｏｍｉｃｏｒｇａｎｉｚａｔｉｏｎ ｏｆ ２０ｄａｔａ．Ｓｃｉｅｎｃｅ．２００３，３０２（５６４４）：４４９－－４５３Ｇａｖｉｎ Ａ Ｃ，Ｂｏｓｃｈｅ Ｍ，ｇｒａｕｓｅｔｈｅ ｙｅａｓｔ ｐｒｏｔｅｏｍｅ ｂｙ ｓｙｓｔｅｍａｔｉｃａｎａｌｙｓｉｓ ｏｆ ｐｒｏｔｅｉｎ ｃｏｍｐｌｅｘｅｓ．ＲｅｔＮａｔｕｒｅ，２００２，４１５（６８６８）：１４１－１４７５ Ｈｏ０１．Ｆｕｎｃｔｉｏｎａｌ ｏｒｇａｎｉｚａｔｉｏｎｏｆＹ，Ｇｒｕｈｌｅｒ Ａ，Ｈｅｉｌｂｕｔ Ａ，ｅｔ ０１．Ｓｙｓｔｅｍａｔｉｃ ｉｄｅｎｔｉｆｉｃ撕ｏｎ ｏｆｃｏｍｐｌｅｘｅｓ ｉｎ Ｓａｃｃｈａｒｏｍｙｃｅｓ ｃｅｒｅｖｉｓｉｏｅ ｂｙ ｍａｓｓ ２１ｔｈｅ ｙｅａｓｔ ｐｒｏｔｅｏｍｅ ｂｙ ｓｙｓｔｅｍａｔｉｃ ａｎａｌｙｓｉｓｏｆ ｐｒｏｔｅｉｎ ｃｏｍｐｌｅｘｅｓ．Ｎａｔｕｒｅ．２００２，４１５（６８６８）：１４１～１４７Ｈｏ Ｙ，Ｇｒｕｈｌｅｒ Ａ，Ｂａｄｅｒ Ｇ Ｄ，ｅｔ ｐｒｏｔｅｉｎ ｃｏｍｐｌｅｘｅｓ ｉｎｐｒｏｔｅｉｎ０１．Ｓｙｓｔｅｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｂｙ ｍａｓｓｓｐｅｃｔｒｏｍｅｔｒｙ．Ｎａｔｕｒｅ，２００２，４１５（６８６８）：１８０～１８３６Ｍａｒｅｏｔｔｅ Ｅ Ｍ，Ｐｅｌｌｅｇｒｉｎｉ Ｍ，Ｎｇ Ｈ Ｌ，ｅｔ以．Ｄｅｔｅｃｔｉｎｇ ｐｒｏｔｅｉｎｆｕｎｃｔｉｏｎ ａｎｄ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ ｆｒｏｍ ｇｅｎｏｍｅ ｓｅｑｕｅｎｃｅｓ． ２２Ｓａｃｃｈａｒｏｍｙｃｅｓｃｅｒｅｖ拈ｉａｅｓｐｅｃｔｒｏｍｅｔｒｙ．Ｎａｔｕｒｅ，２００２，４１５（６８６８）：１８０～１８３Ｕｅｔｚ Ｐ，Ｇｉｏｔ Ｌ，Ｃａｇｎｅｙ Ｇ，ｅｔ ０１．Ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ａｎａｌｙｓｉｓ ｏｆ ｐｒｏｔｅｉｎ?ｐｒｏｔｅｉｎＳｃｉｅｎｃｅ，１９９９，２８５（５４２８）：７５ １－７５３７ ＯｖｅｒｂｅｅｋｔｏＲ Ｆｏｎｓｔｅｉｎ Ｍ，Ｄ＇ＳｏｕｚａＭｅｔ０１．ｎｅＳｃｉｉｎｔｅｒａｃｔｉｏｎｓ ｉｎ Ｓａｃｃｈａｒｏｍｙｃｅｓ ｃｅｒｅ口如ｉ∞．Ｎａｔｕｒｅ．ｕｓｅｏｆｇｅｎｅ ｃｌｕｓｔｅｒｓｉｎｆｅｒｆｕｎｃｔｉｏｎａｌ ｃｏｕｐｌｉｎｇ．Ｐｒｏｃ Ｎａｔｌ ＡｃａｄＵＳＡ，１９９９，９６（６）：２０００，４０３（６７７０）：６２３－４５２７２３ ｎｏ Ｔ，Ｃｈｉｂａｔｏ２８９６～２９０１ ８Ｔ，Ｏｚａｗａ心ｅｔ以．Ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｔｗｏ－ｈｙｂｒｉｄ ａｎａｌｙｓｉｓＯｓｔｅｒｍａｎ Ａ，Ｏｖｅｒｂｅｎｋ Ｒ．Ｍｉｓｓｉｎｇ ｇｅｎｅｓ ｉｎ ｍｅｔａｂｏｌｉｃ ｐａｔｈｗａｙｓ：ａｃｏｍｐａｒａｔｉｖｅ ｇｅｎｏｍｉｃｓ ａｐｐｒｏａｃｈ．Ｃｈａｒ Ｏｐｉｎ Ｃｈｅｍ ２３８－２５１ｅｘｐｌｏｒｅ ｔｈｅ ｙｅａｓｔ ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｏｍｅ．Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ Ｓｃｉ ＵＳＡ，２００１，９８（８）：４５６９－４５７４２４Ｂｉｏｌ，２００３，７（２）：Ａｓｈｂｕｍｅｒ Ｍ，Ｂａｌｌ Ｃ Ａ，Ｂｌａｋｅ Ｊ气ｅｔ ０１．Ｇｅｎｅ ｏｎｔｏｌｏｇｙ：ｔｏｏｌ ｆｏｒ ｔｈｅｕｎｉｆｉｃａｔｉｏｎ ｏｆｂｉｏｌｏｇｙ．ＴｈｅＧｅｎｅ Ｏｎｔｏｌｏｇｙ Ｃｏｎｓｏｒｔｉｕｍ．Ｎａｔ Ｇｅｎｅｔ，９Ｈｕｙｎｅｎ ＳｃｉＭ气Ｂｏｒｋ Ｐ．Ｍｅａｓｕｒｉｎｇ ｇｅｎｏｍｅ ｅｖｏｌｕｔｉｏｎ．Ｐｒｏｃ Ｎａｔｌ Ａｃａｄ２５２０００，２５（１）：２５—２９ＵＳＡ，１９９８，９５（１１）：５８４９－５８５６ＣｅｍｏｎＥ，Ｂａｒｒｅｌｌ１０ Ｃａｉ Ｌ，Ｘｕｅ Ｈ，Ｌｕ Ｈ Ｃ，ｅｔ ０１．Ａｎａｌｙｓｉｓ ｏｆｃｏｒｒｅｌａｔｉｏｎｓ ｂｅｔｗｅｅｎ ｐｒｏｔｅｉｎ ｃｏｍｐｌｅｘＤ，Ｂｒｏｏｋｓｂａｎｋ Ｃ，ｅｔ ０１．Ｔｈｅ Ｇｅｎｅ Ｏｎｔｏｌｏｇｙａｎｄ ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ａｎｄ ｍＲＮＡ ｅｘｐｒｅｓｓｉｏｎ．２６Ａｎｎｏｔａｔｉｏｎ（ＧＯＡ）Ｐｒｏｊｅｃｔ：Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ＧＯ ｉｎ ＳＷＩＳＳ—ＰＲＯＴ， ＴｒＥＭＢＬ ａｎｄ ＩｎｔｅｒＰｒｏ．Ｃｏｍｐ Ｆｕｎｃｔ Ｇｅｎｏｍ，２００３，４：７１－７４ ＭｃＥａｃｈｅｍ Ｍ Ｊ＇ＫｒａｕｓｋｏｐｆＡ Ｂｌａｃｋｂｕｒｎ Ｅ Ｈ．Ｔｅｌｏｍｅｒｅｓ ａｎｄ ｔｈｅｉｒｃｏｎｔｒ０１．Ａｎｎｕ Ｒｅｖ Ｇｅｎｅｔ，２０００，３４：３３１￣３５８ ２７ Ｒｅｚｌｅｒ ＥＣｈｉｎｅｓｅ Ｓｃｉｅｎｃｅ Ｂｕｌｌｅｔｉｎ，２００３，４８（２０）：２２２６￣２２３０ １１ ＳｐｒｉｎｚａｋＥ，Ｍａｒｇａｌｉｔ Ｈ．Ｃｏｒｒｅｌａｔｅｄ ｓｅｑｕｅｎｃｅ—ｓｉｇｎａｔｕｒｅｓ勰ｍａｒｋｅｒｓ Ｍｏｌ Ｂｉｏｌ，２００１，３１１（４）：６８１，－６９２ｏｆｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ．Ｊ １２ ＤｅｎｇＭ，Ｂｅａｍｓ Ｄ Ｊ，Ｈｕｒｌｅｙ Ｌ Ｈ．Ｔｅｌｏｍｅｒｅ ｉｎｈｉｂｉｔｉｏｎ ａｎｄａｓＭ，Ｍｅｈｔａ Ｓ，Ｓｕｎ Ｆ，ｅｔ ０１．Ｉｎｆｅｒｒｉｎｇ ｄｏｍａｉｎ—ｄｏｍａｉｎｔｅｌｏｍｅｒｅ ｄｉｓｒｕｐｔｉｏｎｉｎｔｅｒａｃｔｉｏｎｓ ｆｒｏｍ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ．ＣＪｅｎｏｍｅ Ｒｅｓ，２００２，ｐｒｏｃｅｓｓｅｓ ｆｏｒ ｄｒｕｇ ｔａｒｇｅｔｉｎｇ．Ａｎｎｕ ＲｅｖＰｈａｒｍａｃｏｌ Ｔｏｘｉｅｏｌ，２００３，４３：３５９－３７９ ２８ Ｋａｎｏｈ Ｊ，Ｉｓｈｉｋａｗａ Ｆ．Ｃｏｍｐｏｓｉｔｉｏｎ１２（１０）：１５４０～１５４８１３Ａｎｄｅｒｓｅｎａｎｄ ｃｏｎｓｅｒｖａｔｉｏｎ ｏｆｔｈｅ ｔｅｌｏｍｅｒｉｃＪＳ，Ｗｉｌｋｉｎｓｏｎ Ｃ Ｊ，Ｍａｙｏｒ Ｔ，ｅｔ口ｆ．Ｐｒｏｔｅｏｍｉｃ２９ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｈｕｍａｎ ｃｅｎｔｒｏｓｏｍｅ ｂｙ ｐｒｏｔｅｉｎ ｃｏｒｒｅｌａｔｉｏｎｃｏｍｐｌｅｘ．Ｃｅｌｌ Ｍｏｌ Ｌｉｆｅ Ｓｃｉ，２００３，６０（１１）：２２９５～２３０２Ｓｔｅｍ ＢＭ．Ｍｉｔｏｓｉｓ：ａｕｒｏｒａｇｉｖｅｓ ｃｈｒｏｍｏｓｏｍｅｓａｈｅａｌｔｈｙ ｓｔｒｅｔｃｈ．ｐｒｏｆｉｌｉｎｇ．Ｎａｔｕｒｅ，２００３，４２６（６９６６）：５７０～５７４１４ Ｂａｄｅｒ ＧＤ，Ｈｅｉｌｂｕｔ八ＡｎｄｒｅｗｓａＢ，ｅｔ ０１．Ｆｕｎｃｔｉｏｎａｌｇｅｎｏｍｉｃｓ ａｎｄＣｕｒｔＢｉｏｌ，２００２，１２（９）：Ｒ３１６－－３１８３０ ＫａｌｌｉｏＭ Ｊ，ＭｃＣｌｅｌａｎｄ Ｍ Ｌ，Ｓｔｕｋｅｎｂｅｒｇ Ｐ Ｔ，ｅｔ ｎｆ．Ｉｎｈｉｂｉｔｉｏｎ ｏｆｐｒｏｔｅｏｍｉｃｓ：ｃｈａｒｔｉｎｇ Ｔｒｅｎｄｓ Ｃｅｌｌ １５ Ｋａｒａｏｚｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ｍａｐ ｏｆ ｔｈｅ ｙｅａｓｔ ｃｅｌｌ．ａｕｒｏｒａ Ｂ ｋｉｎａｓｅ ｂｌｏｃｋｓ ｃｈｒｏｍｏｓｏｍｅ ｓｅｇｒｅｇａｔｉｏｎ，ｏｖｅｒｒｉｄｅｓ ｔｈｅｓｐｉｎｄｌｅ ＣｕｒｔＢｉｏｌ，２００３，１３（７）：３４４～３５６Ｕ，Ｍｕｒａｌｉ Ｔ Ｍ，Ｌｅｔｏｖｓｋｙ Ｓ，ｅｔ ｎｆ．Ｗｈｏｌｅ—ｇｅｎｏｍｅ ａｎｎｏｔａｔｉｏｎｃｈｅｃｋｐｏｉｎｔ，ａｎｄ ｐｅｒｔｕｒｂｓ ｍｉｃｒｏｔｕｂｕｌｅ ｄｙｎａｍｉｃｓ ｉｎ ｍｉｔｏｓｉｓ．Ｂｉｏｌ，２００２，１２（１１）：９００－－９０５万 　 方数据２００５；３２（５）生物化学与生物物理进展Ｐｒｏｇ．Ｂｉｏｃｈｅｍ．Ｂｉｏｐｈｙｓ．?４５５?Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ ＰｒｅｄｉｃｔｉｏｎＷｉｔｈＣｏｒｒｅｌａｔｅｄ Ｇｅｎｅ Ｏｎｔｏｌｏｇｙ＋ＺＨＡＮＧ Ｑｉａｎ协．ＷＡＮＧ Ｊｉｎｇ—Ｚｅｌ’”（１’Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＢｉｏ－ｍｅｍｂｒａｎｅ ａｎｄ Ｍｅ舶ｒａｎｅ Ｂｉｏｔｅｃｈｎｏｌｏｇｙ，Ｉｎｓｔｉｔｕｔｅ ｏｆＺｏｏｌｏｇｙ，Ｔｈｅ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ４Ｇｒａｄｕａｔｅ ＳｃｈｏｏｌｏｆＳｃｉｅ，ｌｃｅｓ，Ｂｅｉｊｉｎｇ１０００８０，Ｃｈｉｎａ；ｏｆ Ｔｈｅ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ １０００３９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ ＰＰＩ ｍａｐｓＴｈｅ ｃｅｌｌｕｌａｒ ｐｒｏｃｅｓｓｅｓ ｉｎ ｃｅｌｌｓａｒｅａｒｅｃｏｎｔｒｏｌｌｅｄ ｂｙ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ（ＰＰＩ），ａｎｄ ｃｏｍｐｒｅｈｅｎｓｉｖｅｉｍｐｏｒｔａｎｔｔｏｕｎｄｅｒｓｔａｎｄ ｔｈｅ ｃｏｍｐｌｉｃａｔｅｄ ｒｅｇｕｌａｔｏｒｙ，ｍｅｔａｂｏｌｉｃ ａｎｄ ｓｉｇｎａｌｉｎｇ ｐａｔｈｗａ）ｒｓ．Ｒｅｃｅｎｔｌｙ，ａｒｅｎｅｗ ｐａｒａｍｅｔｅｒｓ ｆｏｒ ＰＰＩ ｐｒｅｄｉｃｔｉｏｎｕｎｄｅｒ ｄｉｓｃｏｖｅｒｉｎｇ．Ｈｅｒｅ，ａＮａｒｖｅ Ｂａｙｅｓｉａｎ ａｌｇｏｒｉｔｈｍ ｗｉｔｈ ｔｈｅ ｃｏｒｒｅｌａｔｅｄＧｅｎｅ Ｏｎｔｏｌｏｇｙ（ＧＯ）ｗａｓ ｕｓｅｄ ｆｏｒ ＰＰＩ ｐｒｅｄｉｃｔｉｏｎ．Ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｉｒｓ ｏｆ ｔｒａｉｎｉｎｇａＧＯｔｅｒｍｓ ｗａｓ ｄｅｍｏｎｓｔｒａｔｅｄ ｂｙｎｏｎ—ｒｅｄｕｎｄａｎｔＰＰＩ ｄａｔａ ｓｅｔｃｏｒｒｅｌａｔｅｄＧＯ ｔｅｒｍｓｆｒｏｍ ｔｗｏ ｏｎｌｉｎｅ ｂｕｄｄｉｎｇ ｙｅａｓｔ ｄａｔａｂａｓｅｓ，ａｎｄ ｔｈｅ ｐｒｏｂａｂｉｌｉｔｙ ａｂｏｕｔ ｔｈｉｓａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｗａｓ ｔｅｓｔｅｄ ｂｙ ｂｏｔｈ ｐｏｓｉｔｉｖｅｔｗｏｗａｓ ａｌｓｏｏｂｔａｉｎｅｄ．Ｔｈｅａｎｄ ｎｅｇａｔｉｖｅｒａｔｅ．ｃｏｎｔｒｏｌ ｄａｔａ．Ｔｈｅ ａｐｐｒｏａｃｈｃａｎｄｉｓｔｉｎｇｕｉｓｈ ｔｈｅｍｐｒｏｐｅｒｌｙ．ｗｉｔｌｌａｓａｔｉｓｆｉｅｄ ｓｅｎｓｉｔｉｖｉｔｙ ａｎｄ ｌｏｗ ｆａｌｓｅ ｐｏｓｉｔｉｖｅＡｆｔｅｒ ｃｏｍｐａｒｉｎｇ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｒｅｓｕｌｔ ｔｏ ｔｈｅ ｄａｔａ ｄｅｒｉｖｅｄ ｆｒｏｍ ｈｉｇｈ—ｔｈｒｏｕｇｈｐｕｔ ｅｘｐｅｒｉｍｅｎｔｓ，ｉｔ ｉｓ ｐｒｏｖｅｄ ｔｈａｔ ｔｈｅｍｅｔｈｏｄ ｉｓ ｍｏｒｅ ｓｅｎｓｉｔｉｖｅ ａｎｄ ｅｆｆｉｃｉｅｎｔ ｔｈａｎ ｏｔｈｅｒ ｉｎｔｅｒａｃｔｉｏｎｓ ｏｆ ｔｈｅ ｐｒｏｔｅｉｎｓ ｌａｂｏｒａｔｏｒｙ ｅｘｐｅｒｉｍｅｎｔｓ． Ｋｅｙ ｗｏｒｄｓｍｅａｎｓ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｓｏｍｅｎｅｗｉｎｓｉｇｈｔｆｕｌｋｎｏｗｌｅｄｇｅ ａｂｏｕｔｔｏｗｉｌｌｂｅ ｆｏｕｎｄ ｕｓｉｎｇ ｔｈｉｓ ｐｒｅｄｉｃｔｉｏｎ ａｐｐｒｏａｃｈ，ａｎｄ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ｉｓ ｖｅｒｙ ｈｅｌｐｆｕｌｔｈｅｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ（ＰＰＩ），ｃｏｒｒｅｌａｔｅｄ，ＧｅｎｅＯｎｔｏｌｏｇｙ（Ｇｏ），Ｎａｉｖｅ Ｂａｙｅｓｉａｎ＋Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ’＋Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｇｒａｎｔ ｆｒｏｍ Ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅｓ ＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（３０１７１０７１）．ａｕｔｈｏｒ．Ｔｅｌ：８６—１０—６２５５１６６８．Ｅ—ｍａｉｌ：ｗｅｎ舀ｚ＠ｉｏｚ．ａｃ．ｅｎＡｃｃｅｐｔｅｄ：Ｊａｎｕａｒｙ ３１，２００５Ｒｅｃｅｉｖｅｄ：Ｄｅｃｅｍｂｅｒ １，２００４?＋一＋－＋－＋一＋－—＋?－＋－＋－＋－＋－＋－＋－＋－＋－＋－＋－＋－＋－＋一＋－＋－＋－＋－＋－＋?＋－＋－＋－＋?＋－＋－＋?＋－＋－＋?＋－＋一＋－＋?＋－＋－＋－＋－＋－＋－＋?研究快报投稿须知我刊自２００４年６月起将“研究快报”栏目开辟为论文快速发表通道，这一举措受到作者和读者的广泛关注和积极支持，目前我刊已收到大量研究快报”栏目投稿．在此，我刊对关心该栏目的作者、读者表示感谢．为确保该栏目论文的学术质量和审理速度，我刊进一步规范了该栏目的投稿与推荐．白本通知发布之 日起，投送“研究快报”栏目的论文作者务请按要求提供以下资料：（１）投稿函（ｃｏｖｅｒ ｌｅｔｔｅｒ）．作者在投送 稿件的同时提供投稿函，确切阐明该论文的主要创新点及其学术或应用价值，说明需以‘‘研究快报”发表 的理由．（２）专家推荐书（２份）．请从我刊网站下载“研究快报”论文专家推荐书（ｈｔｔｐ：／／ｗｗｗ．ｐｉｂｂ．ａｃ． ｃｎ／ｚｈｕａｎｊｉａ．ｄｏｃ），由推荐人逐项填写、签名后直接邮寄或传真至我刊编辑部．编辑部收到专家推荐书后， 稿件进入审理程序． 《生物化学与生物物理进展》编委会、编辑部万 　 方数据基于关联基因本体论注释的蛋白质相互作用预测作者： 作者单位： 张茜， 王敬泽， ZHANG Qian， Wang Jing-ze 张茜,ZHANG Qian(中国科学院动物研究所,生物膜与膜生物工,程国家重点实验室,北京 ,100080;中国科学院研究生院,北京,100039)， 王敬泽,Wang Jing-ze(中国科学院动物研究 所,生物膜与膜生物工,程国家重点实验室,北京,100080) 生物化学与生物物理进展 PROGRESS IN BIOCHEMISTRY AND BIOPHYSICS ) 0次刊名： 英文刊名： 年，卷(期)： 被引用次数：参考文献(30条) 1.Seeler J S.Dejean A Nuclear and unclear functions of SUMO .von Mering C.Krause R.Snel B Comparative assessment of large-scale data sets of protein-protein interactions ) 3.Lakey J H.Raggett E M Measuring protein-protein interactions 1998 4.Gavin A C.Bosche M.Krause R Functional organization of the yeast proteome by systematic analysis of protein complexes ) 5.Ho Y.Gruhler A.Heilbut A Systematic identification of protein complexes in Saccharomyces cerevisiae by mass spectrometry ) 6.Marcotte E M.Pellegrini M.Ng H L Detecting protein function and protein-protein interactions from genome sequences ) 7.Overbeek R.Fonstein M.D'Souza M The use of gene clusters to infer functional coupling 1999 8.Osterman A.Overbeek R Missing genes in metabolic pathways: a comparative genomics approach 2003 9.Huynen M A.Bork P Measuring genome evolution 1998 10.Cai L.Xue H.Lu H C Analysis of correlations between protein complex and protein-protein interaction and mRNA expression[期刊论文]-Chinese Science Bulletin .Sprinzak E.Margalit H Correlated sequence-signatures as markers of protein-protein interaction .Deng M.Mehta S.Sun F Inferring domain-domain interactions fiom protein- protein interactions 2002 13.Andersen J S.Wilkinson C J.Mayor T Proteomic characterization of the human centrosome by protein correlation profiling ) 14.Bader G D.Heilbut A.Andrews B Functional genomics and proteomics: charting a multidimensional map of the yeast cell .Karaoz U.Murali T M.Letovsky S Whole- genome annotation by using evidence integration in functional-linkage networks 2004 16.McDermott J.Samudrala R Enhanced functional information from predicted protein networks .Letovsky S.Kasif S Predicting protein function from protein/protein interaction data:a probabilistic approach .Hayashida M.Ueda N.Akutsu T Inferring strengths of protein-protein interactions from experimental data using linear programming .Jansen R.Yu H.Greenbaum D A Bayesian networks approach for predicting protein-proteininteractions from genomic data ) 20.Gavin A C.Bosche M.Krause R Functional organization of the yeast proteome by systematic analysis of protein complexes ) 21.Ho Y.Gruhler A.Bader G D Systematic identification of protein complexes in Saccharomyces cerevisiae by mass spectrometry ) 22.Uetz P.Giot L.Cagney G A comprehensive analysis of protein-protein interactions in Saccharomyces cerevisiae ) 23.Ito T.Chiba T.Ozawa R A comprehensive two-hybrid analysis to explore the yeast protein interactome 2001 24.Ashburner M.Ball C A.Blake J A Gene ontology: tool for the unification of biology 2000 25.Camon E.Barrell D.Brooksbank C The Gene Ontology Annotation (GOA) Project: Application of GO in SWISS-PROT,TrEMBL and InterPro 2003 26.McEachern M J.Krauskopf A.Blackburn E H Telomeres and their control 2000 27.Rezler E M.Bearss D J.Hurley L H Telomere inhibition and telomere disruption as processes for drug targeting 2003 28.Kanoh J.Ishikawa F Composition and conservation of the telomeric complex 2003 29.Stern B M Mitosis: aurora gives chromosomes a healthy stretch 2002 30.Kallio M J.McCleland M L.Stukenberg P T Inhibition of aurora B kinase blocks chromosome segregation, overrides the spindle checkpoint, and perturbs microtubule dynamics in mitosis 2002相似文献(1条) 1.学位论文 梁淑芳 串联亲和纯化及氨基酸代谢标记-改进的串联亲和纯化研究蛋白质复合物及蛋白-蛋白相互作用 2005很多蛋白质功能是通过形成蛋白质复合体及其蛋白质-蛋白质间的相互作用共同实现的。蛋白质-蛋白质间的相互作用分析是功能基因组学及蛋白质 组学的重要研究内容之一，是了解蛋白功能的途径之一。现在研究蛋白-蛋白相互作用的主要的方法是酵母双杂交，但该方法的主要缺点是其较高的假阳 性和假阴性结果，需要进一步的实验来验证分析。因此，本研究联合运用分子克隆等分子生物学技术与亲和纯化、氨基酸代谢标记(稳定同位素标记)及 质谱等分析化学技术，主要发展了蛋白质复合体串联亲和纯化(TAP)方法，以及蛋白质-蛋白质相互作用研究的“氨基酸代谢标记-串联亲和纯化-质谱新 技术(AACT-TAP-MS)”，和基于氨基酸代谢标记技术的免疫共沉淀(AACT-IP)新方法；并在人肝癌细胞系中分别运用发展的TAP，AACT-TAP-MS方法分离鉴 定了14-3-3(epsilon)蛋白复合体。本文研究内容主要集中在以下几个方面： 1.改进发展适合于高等哺乳动物细胞的新的TAP系统和技术分离纯化蛋白复合体。建立蛋白混合物经过“Flag-antiFlagM2”和“钙调素结合肽-钙调 素”两次不同的亲和结合、TEV酶酶切和SDS洗脱而分离纯化蛋白复合物的新TAP方法，可在生理条件下简单快速分离得到蛋白质复合物。与Rigaut当初在 酵母中建立的“ProteinA-IgG”和“CBP-CM”的TAP方法相比，主要是在TAPtag载体中用两个短的8肽Flag序列取代了ProteinA序列，分子量减小有利于 靶蛋白与TAPtag载体更有效融合表达，且通过anti-Flag抗体来分离复合物特异性更强，有效减少非特异性蛋白的结合。 2.将蛋白定量分析的“氨基酸代谢标记-质谱技术”(AACT-MS)，与有效分离蛋白复合物的串联亲和纯化标签(TAPtag)方法有机整合发展，建立了d3Leu氨基酸代谢标记-串联亲和纯化-质谱新技术(AACT-TAP-MS)进行蛋白复合物分离纯化、蛋白鉴定及绘制蛋白间直接相互物理作用图谱的一体化新技术 ，提高蛋白质鉴定和定量分析的灵敏度和准确性。AACT-TAP-MS新技术也为建立大规模、高通量、快速准确分析研究人类重要功能蛋白质连锁网络提供新 的技术体系。 3.选择人类重大疾病肝癌为研究对象，以人肝癌细胞为靶细胞，运用发展的AACT-TAP-MS新技术，从蛋白质间的相互作用、协同发挥功能的新角度 ，分离与肝癌发生发展密切关联的蛋白14-3-3的复合物，鉴定了14-3-3zeta，14-3-3theta，actin，Bipprotein及HSP70等蛋白与14-3-3ε存在特异性相 互作用。本研究可为肝癌的早期诊断、预后寻找新的侯选蛋白标记物提供新方法。 4.发展了基于氨基酸同位素代谢标记技术的免疫共沉淀新方法来分离蛋白质复合体、分析蛋白质-蛋白质间相互作用。运用建立的AACT结合co-IP方 法，鉴定出了与目的蛋白14-3-3β特异性相互作用的HSP90A，glyceraldehyde-3-phosphatedehydrogenase，14-3-3tau等蛋白。 总之，本研究工作不仅在蛋白质复合物分离以及与AACT-MS联用的方法学和研究蛋白质功能上具有重要的科学意义，可为哺乳动物细胞中其他蛋白复 合物的TAP法纯化，研究蛋白-蛋白相互作用提供新的技术方法。AACT-TAP-MS可为我国正在开展的“中国人类肝脏蛋白组计划”及包括中国参与的国际合 作项目“人类肝脏蛋白组计划”中研究内容之一—绘制“人类肝脏蛋白质相互作用连锁图”，建立大规模、高通量、快速准确分析研究人类重要功能蛋 白质连锁网络提供新的技术体系。本课题的研究思想和方法代表了系统生物学中有关蛋白组学研究方法的概念性革新。本文链接：http://d..cn/Periodical_swhx.aspx 授权使用：浙江大学(wfzjdx)，授权号：6e6145de-d93d--9ddd016347af 下载时间：日
蛋白质功能-结构-相互作用预测网站工具合集_生物学_...基础上完成功能性的富集分析,基因簇的功能注解是...PROSITE 数据库是基于对蛋白质 家族中同源序列多重...随着后基因组时代的发展,NCBI 数据库中迅速涌现出 ...为基于序列相似性预测、基于蛋白质相互作用网络预测、...得分密切相关的注释对,开发出可以通过降低分辨率来...模块挖掘成为研究蛋白质相互作用 机理和蛋白质功能的...每一个基因产物都会有一个或者多个 GO 注释信息。...用于描述基因产物的功能. 3.2基因本体论(gene ...通过其特有的信号途径, 调节其基因的表达, 以保持...3 生物信息学 预测蛋白质间相互作用的生物信息学...生物信息学注释手段的运用会 愈显重要, 相信会有...用于描述基因产物的功能. 基因本体论(gene ontology)...GO 对基因和蛋白的注释阐明了基因产物和用于定义他们...4. 预测与一种疾病相关的基因 5. 分析在发育中...研究蛋白质与DNA相互作用的主要方法_临床医学_医药...DNA 技术的发展, 人们已分离到了许多重要的基因。 ...(Chromatin Immunoprecipitation,ChIP)是基于体内分析...GO 对基因和蛋白的注释阐明了基因产物和用于定义他们...一个基因产物可以被一种本体论定义的多种分支或多...4. 预测与一种疾病相关的基因 5. 分析在发育中...检测两种蛋白是否有相互作用,需将两种蛋白的基因分别与这两种荧光蛋白的基因融合,...④ Far western blot(in vitro) Far western blot 是基于 western blot 发展...基因本体论_生物学_自然科学_专业资料 暂无评价|0人阅读|0次下载 基因本体论_生物学_自然科学_专业资料。创新助手报告 ——主题分析报告 创新助手平台提供 北京...细菌的基因预测以及注释_生物学_自然科学_专业资料。...参数对蛋白质编码基因起始位点、 假 蛋白基因和 ...(3)基于各种统计模型和算法从头预测,比 如隐马可夫...
All rights reserved Powered by
copyright ©right 。文档资料库内容来自网络，如有侵犯请联系***。