Interactome

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 1. července 2022; kontroly vyžadují 3 úpravy .

Interactome [2] ( angl.  Interactome ) je termín molekulární biologie označující kompletní soubor interakcí mezi molekulami v jediné buňce . Interaktom zahrnuje jak přímé fyzické kontakty mezi proteiny ( protein-proteinové interakce ), tak nepřímé interakce genů (jako je epistáze ).

Slovo „interagovat“ bylo původně vytvořeno v roce 1999 skupinou francouzských vědců vedených Bernardem Jacquesem [3] . Z matematického hlediska jsou interaktomy nejčastěji reprezentovány jako grafy .

Interaktomika [4] je obor  , který studuje interakce a důsledky těchto interakcí mezi proteiny a jinými molekulami uvnitř buňky [5] . Účelem interaktomiky je tedy porovnat sítě interakcí (tj. interaktomů) napříč druhy nebo v rámci stejného druhu , aby se zjistilo, jaké rysy takových sítí byly zachovány nebo změněny. Interactomics může být viděn jako příklad “shora-dolů” přístup v biologii systémů , který dovolí jeden pohled na organismus nebo biosystém jako celek. Specialisté v oblasti interaktomiky shromáždili velké soubory genomových a proteomických dat a určili korelace mezi molekulami. Z těchto informací jsou formulovány nové hypotézy o reakcích těchto molekul, které lze testovat v nových experimentech [6] .

Sítě molekulárních a genetických interakcí

Molekulární interakce se mohou objevit mezi molekulami různých skupin biochemických látek ( proteiny , nukleové kyseliny , lipidy , sacharidy ), jakož i v rámci stejné skupiny. Když jsou takové molekuly fyzicky propojeny, tvoří sítě molekulárních interakcí, které jsou obvykle klasifikovány podle povahy zahrnutých sloučenin [7] .

Nejčastěji se termín "interaktom" týká sítí interakcí protein-protein nebo jejich podskupin. Například interaktom proteinu Sirt-1 je síť, která zahrnuje Sirt-1 a proteiny s ním přímo interagující, a interaktom druhého řádu rodiny Sirt [8] [9] také ilustruje interakce mezi sousedy sousedů. . Další široce studovaný typ interaktomu, interaktom DNA-protein (také nazývaný genově-regulační síť), je síť tvořená transkripčními faktory , proteiny regulujícími chromatin a jejich cílovými geny. Dokonce i metabolické sítě lze považovat za sítě molekulárních interakcí: metabolity , tedy chemické složky buňky, jsou vzájemně převáděny pomocí enzymů , které se musí fyzicky vázat na své substráty .

Všechny typy interaktomů jsou vzájemně propojeny a překrývají se. Například proteinové interaktomy obsahují mnoho enzymů, které zase tvoří biochemické sítě. Podobně se genově-regulační sítě protínají se sítěmi proteinových interakcí a se signálními sítěmi [10] .

Bylo navrženo, že velikost interaktomu organismu lépe koreluje s biologickou složitostí organismu než velikost genomu [11] . Mapy protein-proteinových interakcí, které obsahují několik tisíc binárních interakcí a jsou dostupné pro několik druhů, jsou však každoročně doplňovány a zjevně nejsou zcela dokončeny, takže tento předpoklad lze stále vyvrátit [12] [13] .

Interakční výraz kvasinky Saccharomyces cerevisiae , který zahrnuje všechny interakce protein-protein , se odhaduje na 10 000 až 30 000 interakcí. Nejpravděpodobnějším odhadem se zdá být asi 20 000 interakcí. Při zvažování nepřímých nebo předpokládaných interakcí obvykle dochází k nadhodnocením, často za použití kombinace metod afinitní chromatografie a hmotnostní spektrometrie [14] .

Geny interagují takovým způsobem, že vzájemně ovlivňují své funkce. Například jedna mutace může být neškodná, ale její kombinace s jinou mutací může být smrtelná. Říká se, že takové geny „geneticky interagují“. Takto spojené geny tvoří sítě genetických interakcí. Mezi cíle studia těchto sítí patří vývoj funkčních map buněčných procesů, identifikace cílů léků a predikce funkcí necharakterizovaných genů.

V roce 2010 byl nejkomplexnější interaktom genetické interakce pro kvasinky , který v té době existoval, založen na 5,4 milionu párových srovnání genů, popsal interakci 75 % všech genů a zahrnoval asi 170 000 interakcí. Tyto geny byly seskupeny na základě podobnosti funkce k vytvoření funkční mapy buněčných procesů. Pomocí této metody je možné předpovídat známé genetické funkce lépe než jakákoli jiná genomická data a také přidat funkční informace o dříve nekomentovaných genech. Pomocí tohoto modelu lze uvažovat o genetických interakcích na různých úrovních, což pomůže při studiu zachování genů. V průběhu studie bylo zjištěno, že existuje dvakrát více negativních interakcí než pozitivních a jsou informativnější pro predikci fyzikálních interakcí produktů proteinových genů, stejně jako stejná anotace páru geny z hlediska genové ontologie . Geny s více interakcemi jsou navíc pravděpodobně smrtelné, pokud jsou poškozeny [15] .

Experimentální metody pro vytváření interaktomů

Hlavním prvkem proteinové sítě je interakce protein-protein . I když existuje mnoho metod pro studium interakcí protein-protein, obvykle jen několik z nich se používá k vytvoření interaktomů vhodných pro rozsáhlé experimenty s vysokou propustností [16] .

Kvasinkový dvouhybridní systém [17] se používá k určení binárních přímých fyzikálních interakcí mezi dvěma proteiny. Stručně řečeno, způsob je analyzovat interakci proteinů in vivo v kvasinkách vazbou proteinů A a B, které jsou středem zájmu, na oddělené domény vázající DNA a DNA aktivační domény některého aktivátoru transkripce (např . Gal4 ). Konstrukt "protein A + DNA-vazebná doména" se nazývá návnada ( angl.  bait ) a konstrukt "protein B + aktivační doména" se nazývá kořist ( eng.  prey ). Pokud proteiny A a B interagují, pak se ze dvou fragmentů sestaví funkční aktivátor transkripce, který zahájí transkripci reportérového genu (například produkcí určitého fluorescenčního proteinu ), jinak reportérový gen není přepsán a signál není pozorován. [4] [17] .

Výhodou metody je, že je poměrně jednoduchá, nevyžaduje speciální vybavení, provádí se v eukaryotických buňkách in vivo a lze ji aplikovat na celé knihovny , což z kvasinkového dvouhybridního systému dělá široce používaný přístup pro konstrukci interaktomů [18] .

Kvasinkový dvouhybridní systém však často poskytuje falešně pozitivní a falešně negativní výsledky:

Další běžně používanou metodou pro stanovení interakce proteinů je koimunoprecipitace [19] ( anglicky  co-immunoprecipitation ) následovaná hmotnostní spektrometrií . Koimunoprecipitace je speciální případ afinitní chromatografie . Umožňuje definovat proteinové komplexy, ze kterých lze sestavit interaktom (tzv. ko-komplexní sítě nebo ko-komplexní spojení ). Metoda spočívá ve spuštění následujícího neformálního algoritmu [20] :

  1. Proveďte buněčnou lýzu neiontovým denaturačním činidlem;
  2. Přidejte do lyzátu specifické protilátky , které se vážou na proteiny, které jsou pro výzkumníky zajímavé;
  3. Odstraňte proteiny nenavázané na protilátky;
  4. Zbytek se analyzuje hmotnostní spektrometrií. Pokud existuje spojení mezi proteiny A a B, pak během hmotnostní spektrometrie kromě proteinu A spojeného s protilátkou vstupuje do vzorku spojeného s proteinem A také protein B.

Výhodou technologie je, že studované proteiny jsou během experimentu ve své přirozené konformaci a během experimentu by neměla být narušena interakce mezi proteiny. Koimunoprecipitace však nemusí detekovat slabé interakce nebo odlišit přímé interakce od nepřímých (s účastí mediátorových proteinů, jejichž přítomnost nelze u této metody vyloučit) [21] .

Obě metody lze použít ve vysoce výkonných experimentech. Kombinace koimunoprecipitace a hmotnostní spektrometrie nemá stejné falešně pozitivní a falešně negativní problémy jako kvasinkový dvouhybridní systém a používá se jako zlatý standard. Obecně platí, že kvasinkový dvouhybridní systém lépe ukazuje nespecifické fyzikální interakce, zatímco koimunoprecipitace s hmotnostní spektrometrií je lepší při detekci funkčních interakcí protein-protein in vivo [22] [23] .

Studium interaktomů různých typů živých organismů

Virové interaktomy

Proteinové virové interaktomy obsahují interakce mezi proteiny virů nebo fágů . Tyto interaktomy byly mezi prvními, které byly studovány, protože genomy virů a fágů jsou malé a všechny proteiny lze analyzovat za nízkou cenu. Virové interaktomy jsou spojeny s interaktomy jejich hostitelů a tvoří sítě interakcí virus-hostitel [24] . Některé publikované virové interaktomy zahrnují:

Bakteriofágy Lidské (savčí) viry

Bakteriální interakce

Pouze několik bakterií bylo studováno na interakce protein-protein , avšak žádný z výsledných bakteriálních interaktomů není kompletní. Předpokládá se, že žádná z nich nepokrývá více než 20–30 % všech interakcí, a to především z toho důvodu, že provedené studie zahrnovaly pouze jednu metodu, která umožňuje detekovat pouze podmnožinu všech interakcí [34] . Mezi publikovanými bakteriálními interaktomy jsou následující:

Pohled Počet bílkovin Počet interakcí Metoda Prameny
Helicobacter pylori 1553 3004 Y2H [35] [36]
Campylobacter 1623 11 687 Y2H [37]
Treponema pallidum 1040 3649 Y2H [38]
Escherichia coli 4288 5993 AP/MS [39]
Escherichia coli 4288 2234 Y2H [40]
Mesorhizobium 6752 3121 Y2H [41]
Mycobacterium tuberculosis 3959 přes 8000 B2H [42]
Mycoplasma pneumoniae 411 10 083 AP/MS [43]
Synechocystis sp. PCC6803 3264 3236 Y2H [44]
Staphylococcus aureus ( MRSA ) 2656 13 219 AP/MS [45]

Interaktomy E. coli a Mycoplasma byly analyzovány afinitní purifikací ve velkém měřítku a hmotnostní spektrometrií proteinového komplexu (v tabulce označeno AP/MS), proto není snadné určit, které z interakcí jsou skutečně přímé. Zbývající interaktomy byly studovány pomocí dvouhybridního kvasinkového systému (Y2H v tabulce). Interaktom Mycobacterium tuberculosis byl analyzován pomocí bakteriálního analogu kvasinkového dvouhybridního systému (B2H).

Některé interaktomy byly předpovězeny pomocí výpočetních metod.

Eukaryotické interaktomy

Dosud nebyl plně popsán žádný eukaryotický interaktom. Nejcharakterizovanější je interakce kvasinky Saccharomyces cerevisiae , pro jejíž stavbu bylo studováno více než 90 % proteinů a jejich interakce [46] [47] [48] . Mezi druhy, jejichž interaktomy jsou poměrně dobře pochopeny, patří:

Lidský interaktom je často zahrnut do konstrukce sítí interakcí virus-hostitel, jako jsou interaktomy hepatitidy C /člověk (2008) [51] , virus Epstein-Barrové /člověk (2008) a virus chřipky /člověk (2009). Studium takových interaktomů umožňuje detekovat molekulární komponenty nezbytné pro implementaci patogenu do hostitelského organismu a pro vznik imunitní odpovědi [52] .

Predikované interaktomy

Jak již bylo popsáno, lze předvídat interakce protein-protein. Navzdory skutečnosti, že spolehlivost takových předpovědí zůstává kontroverzní, některé zákonitosti lze z výsledných interaktomů extrahovat a experimentálně testovat [53] . Předpokládané interaktomy byly získány pro některé druhy, včetně:

Matematické metody pro studium interaktomů

Interaktomika jako aplikace teorie komplexních sítí na biologické problémy

Síťová složka interaktomiky zkoumá reprezentaci skutečné biologické sítě ve formě grafu. Graf G  je uspořádaná dvojice dvou množin  — vrcholů a dvojic vrcholů. Dvojice vrcholů z této množiny se nazývá hrana. Více podrobností o grafech je popsáno v článku Graf (matematika) , pro pochopení níže uvedeného materiálu nejsou potřeba podrobnější informace. Celý arzenál teorie komplexních sítí je plně aplikovatelný na interaktomový graf [62] .

V teorii grafů je v současnosti známý zmatek v terminologii [63] . Různá díla používají různá slova k označení stejných věcí. Následující sady slov jsou tedy synonyma:

  • "graf" a "síť"
  • 'uzel', 'vertex' a 'point'
  • "žebro" a "odkaz"

Stupeň uzlu [64] ( anglický  stupeň ) — počet odkazů vstupujících do uzlu a opouštějících jej. U orientovaných grafů je tato charakteristika rozdělena na dvě části: indegree  a outdegree —  počet spojů vstupujících do uzlu a počet spojů opouštějících uzel.

Distribuce stupňů [ 64] vrcholů grafu popisuje počet uzlů (v kontextu proteinového interaktomu proteiny), které mají určitý počet spojení.  

Některé interaktomy jsou bez měřítka . To znamená, že stupně jejich vrcholů jsou rozděleny podle mocninného zákona ( anglické  mocninné právo ):

,

kde  je pravděpodobnost nalezení uzlu se stupněm x ,  je faktor měřítka.

Tato závislost je zobrazena jako přímka na log-log grafu. Při zkoumání reálných dat nebude téměř nikdy pozorována ideální přímka a přibližná přímka na log-log grafu není dostatečným potvrzením souladu mocninného zákona, existují však kvantitativní testy pro tuto shodu [66] .

Nejpopulárnější v současnosti používanou skupinu představila skupina M. Newmana v roce 2009 v článku „Power-law distributions in empirical data“ [67] . Test využívá statistiku Kolmogorov-Smirnov a je interpretován stejným způsobem jako ostatní testy založené na statistikách KS: p-hodnoty větší než práh jsou významné, nikoli naopak. Tento test mocninného zákona je implementován v balíčku analýzy sítě igraph [68] .

Bezškálové sítě jsou generovány některými modely, zejména modelem Barabashi-Albert , založeným na principu preferenčního připoutání , nazývaném v sociologii Matthewovým efektem  – „bohatí bohatnou, chudí chudnou“, jako i jeho modifikace - model Bianconi-Barabashi , ve kterém je pro každý vrchol zavedena časově fixní charakteristika „fitness“ a čím je větší, tím více nových spojení vertex během evoluce sítě získá [ 69] .

V původním modelu Barabashi-Albert byly samotné stupně použity jako hodnost uzlu k vyhodnocení preference připoutání, ale jak ukázali Jensen a Pralat v odkazu na základě hodnocení vede ke grafům mocninného zákona [70] , co použít jako pořadí není absolutně důležité, pokud existuje vazba podle hodnosti, pak se dříve nebo později objeví mocenský zákon.

Navzdory výše uvedenému není dosud známo, jak běžná je vlastnost bez měřítka pro interaktomy. Často, po důkladnějším statistickém testování, interaktomy, které byly původně rozpoznány jako bezškálové, se tak neukážou [71] . Otázka prevalence bezškálovosti v interaktomice je v současnosti otevřená [72] . Situaci komplikuje skutečnost, že ve skutečnosti ještě nikdo nenasbíral jediný kompletní experimentální interaktom (v době 4. 1. 2017) a jak chyba při odběru vzorku ovlivňuje odhady rozložení stupňů je také otevřená otázka.

Hub  je uzel s velkým počtem připojení. Huby, které spojují proteiny podle funkčních modulů, jako jsou proteinové komplexy, se nazývají „party huby“. na druhou stranu "date hub" takovou korelaci nemá a spojuje různé funkční moduly. Party huby se nacházejí převážně v AP/MS datových sadách, zatímco data huby se nacházejí především v binárních mapách interaktomových sítí [73] . Party hub sestává hlavně z proteinů s více interakčními povrchy, zatímco datový hub je obvykle reprezentován proteiny s jedním interakčním povrchem [74] . U kvasinek počet binárních interakcí konkrétního proteinu koreluje s počtem fenotypů pozorovaných za různých mutací a fyziologických podmínek [73] .

Důležitým úkolem teorie komplexních sítí je vyhledávání komunit v síti. Pokud jsou v sociální síti „community“ ( anglicky  community ) komunity lidí, pak v kontextu interaktomů jsou „komunity“ skupiny interagujících proteinů nebo genomu, které mohou tvořit metabolickou dráhu nebo regulační subsystém. Tato aplikace je klíčová pro interaktomiku jako součást prediktivní medicíny [75] , protože mnoho onemocnění je způsobeno významnými buněčnými dysfunkcemi, které lze odhalit identifikací části interaktomu, která nefunguje správně.

V tomto směru dochází k pokroku a stojí za zmínku samostatně takové práce, jako je DIAMOnD [76]  , algoritmus pro stanovení modulu onemocnění založený na systematické analýze vzorců asociací proteinů účastnících se onemocnění v rámci lidského interaktomu. Autoři, skupina vedená jedním z „otců“ teorie komplexních sítí , Laszlo Barabasi , analyzovali proteinová data o 70 onemocněních a zjistili, že proteiny podílející se na rozvoji onemocnění se skutečně seskupují v částech interaktomu specifických pro onemocnění. - chorobné moduly )  a navrhla algoritmus pro vyhledávání takových modulů.

Predikce interakcí protein-protein

Kromě sestavování interaktomů z experimentálních dat je také možné předpovídat vazby v interaktomech in silico . Problém predikce spojení lze formulovat jako binární klasifikační problém [77] . Vztah v interactomu může patřit do jedné ze dvou tříd:

  • Stávající připojení (1)
  • Chybí připojení (0)

Poté je možné pomocí informací o vlastnostech každého z přidružených genů nebo proteinů a metod strojového učení určit pro každé spojení, do které třídy patří. Některé z použitých charakteristik jsou kolokalizace kandidátních proteinů v buňce, koexprese jejich genů, blízkost genů v genomu atd. [78] [79] Jednou z úspěšných metod v tomto druhu algoritmů byl náhodný les (Náhodný les) [80 ] . Výsledné vztahy lze vážit přidáním informace o pravděpodobnosti takového vztahu, jak je tomu např. v projektu PIPs [81] popsaném níže , pomocí naivního Bayesova klasifikátoru . Metody strojového učení byly použity k predikci interakcí v lidském interaktomu, zejména v interaktomu membránových proteinů [79] nebo proteinů spojených se schizofrenií [78] .

Na základě experimentálních dat lze také předpovědět interakce v interaktomech pomocí přenosu homologie. Pokud jsou například pro některý organismus známy interakce protein-protein, lze předpokládat interakce mezi homologními proteiny v jiném organismu. Takové proteiny se nazývají interology. Tento přístup má však určitá omezení, především kvůli nespolehlivosti původních dat, která mohou obsahovat falešně pozitivní nebo falešně negativní výsledky [82] . Proteiny a interakce mezi nimi se navíc mohou v průběhu evoluce měnit, takže některé kontakty mizí nebo naopak vznikají. Navzdory tomu bylo pomocí tohoto přístupu předpovězeno mnoho interaktomů, například pro Bacillus licheniformis [83] .

Některé algoritmy využívají experimentální data o strukturních komplexech a atomové struktuře vazebných povrchů v interagujících proteinech k vytvoření detailních atomových modelů protein-proteinových komplexů [84] [85] a komplexů proteinů s jinými molekulami [86] .

Jedním z aktuálně neřešených problémů predikce spojů je přítomnost šumu v datech, na kterých je klasifikátor trénován. Výše popsané experimentální metody zavádějí své vlastní falešně pozitivní a falešně negativní výsledky, které mohou přidat zkreslení klasifikátoru. To lze napravit například použitím detekce anomálií, jak navrhují Singh a Vig ve své práci „Improved forecast of missing protein interactome links via anomaly detection“ [87] . Problém nepřesnosti experimentálních metod však stále zůstává.

Těžba textu

Těžba textu se také používá k získávání informací o molekulárních interakcích přímo z vědecké literatury. Tyto metody sahají od jednoduchých algoritmů, které statisticky odhadují pravděpodobnost společného výskytu (v tomto případě interakce) molekul uvedených ve stejném textovém kontextu (například ve stejné větě), až po složitější metody zpracování přirozeného jazyka a strojového učení . pro hledání interakcí [88] .

Predikce funkcí proteinů

K predikci funkce proteinů se používají sítě proteinových interakcí [46] [89] . Předpokládá se, že necharakterizované proteiny mají podobné funkce jako proteiny, které s nimi interagují. Například YbeB, který byl považován za protein s neznámou funkcí, interaguje prostřednictvím interaktomu s ribozomálními proteiny, a jak bylo ukázáno později, je zapojen do procesu translace [90] . Ačkoli takové předpovědi funkce mohou být založeny na jediné interakci s nějakým proteinem, informace jsou obvykle dostupné o několika kontaktech s různými proteiny. K predikci funkcí proteinů lze tedy použít celou síť interakcí [46] .

Analýza poruch a nemocí

Na základě topologie interaktomu lze učinit předpoklady o tom, jak se síť interakcí změní, když je narušen (například odstraněn) jeden z uzlů (proteiny) nebo hrany (proteinové interakce) [91] . Takové poruchy mohou být způsobeny mutacemi v odpovídajících genech a výsledná síť interakcí bude odrážet některé onemocnění [92] . Analýza takové sítě může pomoci při hledání cílů léků nebo biomarkerů onemocnění [93] .

Validace interaktomů

Před použitím shromážděných interaktivních prvků k analýze byste měli zkontrolovat, zda v nich nejsou chyby. Pokud je interaktom získán experimentálně, pak je nutně přítomna chyba experimentu, a pokud in silico , pak chyba predikčního algoritmu. Chyba vysoce výkonných experimentálních metod, jako je kvasinkový dvouhybridní systém, byla odhadnuta [94] někde mezi 25 % a 50 %.

Pro kontrolu kvality se používají především následující metody [94] :

  1. Použití předchozích publikací interaktomových dat jako reference;
  2. Porovnání odkazů, které mají jiný charakter. Pokud proteiny interagují (binární, jak je detekováno kvasinkovým dvouhybridním systémem), pak jsou pravděpodobně umístěny na stejném místě v buňce, odpovídající geny jsou koexprimovány a v knockout experimentech by pozorované fenotypy měly být podobné . V souladu s tím by pozorování těchto událostí mělo zvýšit odhad pravděpodobnosti interakce studovaných genů;
  3. Vztahy předpovězené in silico lze experimentálně testovat.

Problém se zarovnáním grafu

V interaktomice (při validaci, při hledání příčin nemocí atd.) je důležitým úkolem zarovnání grafů .  Podstatou problému je namapovat jeden graf na druhý tak, aby si byly grafy co nejvíce „podobné“. Potíže začínají již ve fázi stanovení míry „podobnosti“ dvou grafů. Vzhledem k tomu, že je možné definovat, co znamená podobnost grafu různými způsoby, může existovat také několik různých definic zarovnání grafu, které se však budou lišit v zásadě pouze v různých definicích podobnosti a prohlášení problému zarovnání grafu vypadá asi takto :

Dané dva grafy a . Je nastavena funkce kvality zarovnání . Je potřeba najít funkci zarovnání , která maximalizuje kvalitu funkcionálu [95] .

Existuje algoritmus použitelný speciálně pro interakční úlohy - NetAligner [96] , ale tato webová služba již není vývojáři podporována. NetAligner poskytl výzkumníkům následující možnosti pro druhy Homo sapiens , Mus muscusus , Drosophila melanogaster , Arabidopsis thaliana , Saccharomyces cerevisiae , Escherichia coli a Caenorhabditis elegans :

  • Zarovnání proteinového komplexu na interaktomu;
  • Zarovnání metabolické dráhy na interaktomu;
  • Zarovnání interaktomu na interaktom.

Interaktomové databáze

Existuje mnoho databází interaktomových dat a existující databáze lze klasifikovat různými způsoby.

Interaktomové databáze lze rozdělit [97] :

  1. Jak získat data:
    1. experimentální (literárně kurátorský ( anglicky  literature-curated ) a vysoce výkonný ( anglicky  high-throughput ));
    2. věštění in silico ;
    3. metaagregace;
  2. Podle studovaného typu (typů);
  3. Podle typu připojení:
    1. přímé binární spojení (existuje nebo není přímá fyzická interakce);
    2. nebinární vazby, které jsou možné bez přímé fyzikální interakce [98] získané ko-komplexními ( anglicky  co-complex ) metodami, jako je koimunoprecipitace [99] kombinovaná s hmotnostní spektrometrií ;
    3. různé sady sítí (pro metaagregátory);
    4. binární vztah předpovězený in silico.
Základní název Stručný popis základny Druhy Typ sítě Organizace Postavení
Human Reference Protein Interactome Project [100] Human Reference Interactom Project Homo sapiens Binární, získaný pomocí kvasinkového dvouhybridního systému Centrum pro biologii rakovinných systémů [101] Aktivní, probíhající experimenty s cílem získat novou verzi lidského proteinového interaktomu (HI-III), který by měl představovat přibližně 77 % celkového prostoru pro vyhledávání
Databáze molekulárních interakcí (MINT) [102] Agregátor literárních experimentálních dat o různých organismech K 1. dubnu 2017 611 druhů [102] ko-komplexní a binární Laboratoř molekulární genetiky, Univerzita v Římě, "Tor Vergata" [103] Aktivní
Databáze interagujících proteinů [104] Agregátor literárních experimentálních dat o různých organismech Escherichia coli

Rattus norvegicus

Homo sapiens

Saccharomyces cerevisiae

Mus sval

Drosophila melanogaster

Helicobacter pylori [97]

Různé typy spojení (kokomplexní, binární) Kalifornská univerzita, Los Angeles Není k dispozici (datum přístupu 04.01.2017)
Databanka sítě biologických interakcí (databáze) [105] Agregátor literárních experimentálních dat o různých organismech Homo sapiens

Saccharomyces cerevisiae

Mus sval

Helicobacter pylori

Různé typy připojení Výzkumný ústav Samuela Lunenfelda v nemocnici Mount Sinai v Torontu Není k dispozici kvůli problémům s financováním [106]
GeneMANIA [107] Služba pro predikci genových funkcí in silico na základě agregovaných dat z jiných databází K 1. dubnu 2017 9 druhů [107] Různé typy připojení University of Toronto [108] Aktivní
Vysoce kvalitní interakce (HINT) [109] Vybraný experimentální agregátor dat V době 4.1.2017 12 druhů Různé typy připojení Yu Lab, Cornell University [110] Aktivní, aktualizováno každý den
Databáze molekulárních interakcí IntAct [111] Řízený experimentální agregátor dat (z 11 databází molekulárních interakcí) [112] K 1. dubnu 2017 7 hlavních typů [113] Různé typy připojení Cambridge [114] Aktivní
Biological General Repository for Interaction Datasets (BioGRID) [115] Spravovaný agregátor experimentálních a předpovězených in silico dat Seznam druhů je uveden na [116] Různé typy připojení Princeton, Mount Sinai Hospital, University of Edinburgh, University of Montreal [117] Aktivní
Integrovaná síťová databáze (IntNetDB) [118] Síť předpovězena in silico Homo sapiens binární in silico hanlab.genetics.ac.cn Není k dispozici (datum přístupu 04.01.2017)
The Drosophila Interaction Database (DroID) [119] Vybraný agregátor interaktomových dat Drosophila, experimentální i předpovězené in silico Drosophila melanogaster Různé typy připojení (včetně těch předpokládaných in silico ) Lékařská fakulta Wayne State University [120] Aktivní
Informační zdroj Arabidopsis (TAIR) [121] Databáze všech biologických dat o Tal 's rucifera, včetně neinteraktomových (sekvenování genomu, genové mapy atd.) Arabidopsis thaliana Různé typy připojení (včetně těch předpokládaných in silico ) Phoenix Bioinformatics Corporation [122] Aktivní
Predikce interakce mezi lidským proteinem a proteinem (PIP) [81] Databáze lidských proteinových vazeb předpovězených in silico Homo sapiens Předpovězeno in silico s naivním Bayesovým klasifikátorem University of Dundee [123] Aktivní
Predicted Rice Interactome Network (PRIN) [124] Databáze in silico předpokládaných interakcí protein-protein v rýži Oryza sativa Předpovězeno in silico na základě interologů Univerzita Zhejiang [125] Aktivní

Otevřené problémy interaktomiky

Kiemer a Cesareni [5] nastolili následující problém: experimentální metody pro studium interaktomů jsou náchylné k chybám, což vede k tomu, že 30 % všech nalezených interakcí jsou ve skutečnosti artefakty (dvě skupiny výzkumníků používajících stejnou metodu na stejném organismu najdou pouze 30 % stejných interakcí). Také metody mohou být zkreslené, tj. použitá metoda závisí na tom, které interakce budou nalezeny. To je způsobeno individuálními vlastnostmi proteinů, například většina metod, které dobře pracují s rozpustnými proteiny, není vhodná pro studium membránových proteinů . To platí také pro dvouhybridní kvasinkový systém a afinitní chromatografii / hmotnostní spektrometrii .

Většina interaktomů je neúplná, s výjimkou S. cerevisiae . Ale taková poznámka není zcela správná, protože žádný vědecký obor není dostatečně úplný, dokud se metody nezlepší. Interactomics v roce 2015 je ve stejné fázi, jakou bylo sekvenování genomu v 90. letech.

Interaktomy se mohou lišit v různých tkáních, typech buněk a vývojových stádiích, pokud genomy zůstávají stabilní. Zatímco homologní sekvence DNA lze nalézt poměrně snadno, homologní interakce je obtížné předvídat, protože homology dvou interagujících proteinů nejsou nutné k interakci.

Poznámky

  1. ↑ William Hennah, David Porteous. Cesta DISC1 moduluje expresi neurovývojových, synaptogenních a smyslových genů vnímání  //  PLOS ONE. — 20. 3. 2009. — Sv. 4 , iss. 3 . — P.e4906 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0004906 . Archivováno z originálu 2. března 2022.
  2. ↑ Terentiev A. A., Moldogazieva N. T., Shaitan K. V. Dynamická proteomika v modelování živých buněk. Interakce protein-protein  (ruština)  // Pokroky v biologické chemii. - 2009. - T. 49 . - S. 429-480 . Archivováno z originálu 10. května 2018.
  3. ↑ Catherine Sanchez, Corinne Lachaize, Florence Janody, Bernard Bellon, Laurence Röder. Uchopení molekulárních interakcí a genetických sítí u Drosophila melanogaster pomocí FlyNets, internetové databáze  //  Nucleic Acids Research. — 1999-01-01. — Sv. 27 , iss. 1 . — S. 89–94 . — ISSN 0305-1048 . - doi : 10.1093/nar/27.1.89 . Archivováno z originálu 4. června 2018.
  4. ↑ 1 2 3 4 Ivanov A. S., Zgoda V. G., Archakov A. I. Technologie protein interactomics  (Russian)  // Bioorganic chemistry: journal. - 2011. - T. 37 , č. 1 . - S. 8-21 . Archivováno z originálu 10. května 2018.
  5. ↑ 1 2 Lars Kiemer, Gianni Cesareni. Srovnávací interakce: srovnání jablek a hrušek?  // Trendy v biotechnologii. — 2007-10. - T. 25 , č.p. 10 . — S. 448–454 . — ISSN 0167-7799 . - doi : 10.1016/j.tibtech.2007.08.002 . Archivováno z originálu 3. června 2018.
  6. ↑ Frank J. Bruggeman, Hans V. Westerhoff. Povaha systémové biologie  // Trendy v mikrobiologii. — 2007-01. - T. 15 , č.p. 1 . — S. 45–50 . — ISSN 0966-842X . - doi : 10.1016/j.tim.2006.11.003 . Archivováno z originálu 12. června 2018.
  7. ↑ Marc Vidal, Michael E. Cusick, Albert-László Barabási. Interactome Networks and Human Disease  // Cell. — 2011-03. - T. 144 , č.p. 6 . — S. 986–998 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2011.02.016 . Archivováno 13. května 2018.
  8. ↑ Ankush Sharma, Vasu K. Gautam, Susan Costantini, Antonella Paladino, Giovanni Colonna. Interactomic and Pharmacological Insights on Human Sirt-1  (anglicky)  // Frontiers in Pharmacology. - 2012. - T. 3 . — ISSN 1663-9812 . - doi : 10.3389/fphar.2012.00040 .
  9. ↑ Ankush Sharma, Susan Costantini, Giovanni Colonna. Interakční síť protein–protein lidské rodiny Sirtuinů  // Biochimica et Biophysica Acta (BBA) - Proteiny a proteomika. — 2013-10. - T. 1834 , č.p. 10 . — S. 1998–2009 . — ISSN 1570-9639 . - doi : 10.1016/j.bbapap.2013.06.012 . Archivováno z originálu 11. června 2018.
  10. ↑ David F. Klosik, Anne Grimbs, Stefan Bornholdt, Marc-Thorsten Hütt. Vzájemně závislá síť genové regulace a metabolismu je robustní tam, kde má být  //  Nature Communications. — 2017-09-14. - T. 8 , ne. 1 . — ISSN 2041-1723 . - doi : 10.1038/s41467-017-00587-4 . Archivováno z originálu 24. ledna 2022.
  11. ↑ Michael P. H. Stumpf, Thomas Thorne, Eric de Silva, Ronald Stewart, Hyeong Jun An. Odhad velikosti lidského interaktomu  // Proceedings of the National Academy of Sciences. — 2008-05-13. - T. 105 , č.p. 19 . — S. 6959–6964 . - doi : 10.1073/pnas.0708078105 .
  12. ↑ Thomas Rolland, Murat Taşan, Benoit Charloteaux, Samuel J. Pevzner, Quan Zhong. Mapa sítě lidských interaktomů v měřítku proteomu  // Buňka. — 2014-11. - T. 159 , č.p. 5 . - S. 1212-1226 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2014.10.050 . Archivováno z originálu 14. května 2018.
  13. ↑ Andrew Chatr-aryamontri, Bobby-Joe Breitkreutz, Rose Oughtred, Lorrie Boucher, Sven Heinicke. Databáze interakcí BioGRID: aktualizace 2015  //  Nucleic Acids Research. — 2014-11-26. — Sv. 43 , iss. D1 . — S. D470–D478 . — ISSN 0305-1048 1362-4962, 0305-1048 . - doi : 10.1093/nar/gku1204 . Archivováno z originálu 21. ledna 2022.
  14. ↑ 1 2 Peter Uetz, Andrej Grigorjev. Kvasinkový interactom  (anglicky)  // Encyklopedie genetiky, genomiky, proteomiky a bioinformatiky. - Chichester: John Wiley & Sons, Ltd, 2005-04-15. - ISBN 0470849746 , 9780470849743, 047001153X, 9780470011539 . - doi : 10.1002/047001153x.g303204 .
  15. ↑ Michael Costanzo, Anastasia Baryshnikovová, Jeremy Bellay, Yungil Kim, Eric D. Spear. The Genetic Landscape of a Cell  (anglicky)  // Science. — 22. 1. 2010. — Sv. 327 , iss. 5964 . — S. 425–431 . — ISSN 1095-9203 0036-8075, 1095-9203 . - doi : 10.1126/science.1180823 . Archivováno z originálu 3. srpna 2017.
  16. ↑ Laurent Terradot, Marie-Francoise Noirot-Gros. Bakteriální proteinové interakční sítě: skládačky z vyřešených složitých struktur dodávají jasnější obrázek  //  Integrativní biologie. - 2011. - Sv. 3 , iss. 6 . — S. 645 . — ISSN 1757-9708 1757-9694, 1757-9708 . doi : 10.1039 / c0ib00023j .
  17. ↑ 1 2 Anna Brückner, Cécile Polge, Nicolas Lentze, Daniel Auerbach, Uwe Schlattner. Yeast Two-Hybrid, výkonný nástroj pro systémovou biologii  //  International Journal of Molecular Sciences. — 2009-06-18. — Sv. 10 , iss. 6 . — S. 2763–2788 . - doi : 10.3390/ijms10062763 . Archivováno z originálu 2. dubna 2017.
  18. ↑ 1 2 Shayantani Mukherjee, Sampali Bal a Partha Saha. Mapy interakcí proteinů pomocí kvasinkového dvouhybridního testu (anglicky) // Current Science: journal. - 2001. - 10. září ( roč. 81 , č. 5 ). - S. 458-464 . Archivováno z originálu 22. prosince 2012.
  19. ↑ Choogon Lee. Koimunoprecipitační test  // Methods in Molecular Biology (Clifton, NJ). - 2007-01-01. - T. 362 . — S. 401–406 . — ISSN 1064-3745 . - doi : 10.1007/978-1-59745-257-1_31 . Archivováno z originálu 3. dubna 2017.
  20. ↑ Ko-imunoprecipitace (Co-IP) . Profacgen . Získáno 1. dubna 2017. Archivováno z originálu 2. dubna 2017.
  21. ↑ R. Benjamin Free, Lisa A. Hazelwood, David R. Sibley. Identifikace nových interakcí protein-protein pomocí koimunoprecipitace a hmotnostní spektroskopie  //  Současné protokoly v neurovědě. — Hoboken, NJ, USA: John Wiley & Sons, Inc., 2009-01. — S. 5.28.1–5.28.14 . - ISBN 0471142301 , 9780471142300 . - doi : 10.1002/0471142301.ns0528s46 .
  22. ↑ Leandra M. Brettner, Joanna Masel. Lepkavost proteinu, spíše než počet funkčních interakcí protein-protein, předpovídá šum a plasticitu exprese v kvasinkách  // BMC Systems Biology. — 27.09.2012. - T. 6 . - S. 128 . — ISSN 1752-0509 . - doi : 10.1186/1752-0509-6-128 .
  23. ↑ Konark Mukherjee, Justin B. Slawson, Bethany L. Christmann, Leslie C. Griffith. Neuronově specifické proteinové interakce Drosophila CASK-β jsou odhaleny hmotnostní spektrometrií  // Frontiers in Molecular Neuroscience. - 2014. - T. 7 . - S. 58 . — ISSN 1662-5099 . - doi : 10.3389/fnmol.2014.00058 . Archivováno z originálu 16. prosince 2014.
  24. ↑ Vincent Navratil, Benoît de Chassey, Laurène Meyniel, Stéphane Delmotte, Christian Gautier. VirHostNet: znalostní báze pro správu a analýzu proteomových sítí interakce virus–hostitel  (anglicky)  // Nucleic Acids Research. — 2009-01-01. — Sv. 37 , iss. suppl_1 . — S. D661–D668 . — ISSN 0305-1048 . doi : 10.1093 / nar/gkn794 . Archivováno z originálu 30. května 2018.
  25. ↑ Seesandra V. Rajagopala, Sherwood Casjens, Peter Uetz. Proteinová interakční mapa bakteriofága lambda  // BMC Microbiology. — 26. 9. 2011. - T. 11 . - S. 213 . — ISSN 1471-2180 . - doi : 10.1186/1471-2180-11-213 .
  26. ↑ Paul L. Bartel, Jennifer A. Roecklein, Dhruba SenGupta, Stanley Fields. Proteinová vazebná mapa bakteriofága T7 Escherichia coli  (anglicky)  // Nature Genetics. — 1996-01. - T. 12 , č.p. 1 . — S. 72–77 . - ISSN 1546-1718 1061-4036, 1546-1718 . - doi : 10.1038/ng0196-72 .
  27. ↑ Mourad Sabri, Roman Häuser, Marc Ouellette, Jing Liu, Mohammed Dehbi. Anotace genomu a intravirální interaktom pro virulentní fág Streptococcus pneumoniae Dp-1  //  Journal of Bacteriology. — 2011-01-15. — Sv. 193 , iss. 2 . — S. 551–562 . — ISSN 1098-5530 0021-9193, 1098-5530 . - doi : 10.1128/JB.01117-10 . Archivováno z originálu 2. června 2018.
  28. ↑ Roman Häuser, Mourad Sabri, Sylvain Moineau, Peter Uetz. Proteom a interaktom fága Streptococcus pneumoniae Cp-1  //  Journal of Bacteriology. — 2011-06-15. — Sv. 193 , iss. 12 . — S. 3135–3138 . — ISSN 1098-5530 0021-9193, 1098-5530 . - doi : 10.1128/JB.01481-10 . Archivováno z originálu 2. června 2018.
  29. ↑ Thorsten Stellberger, Roman Häuser, Armin Baiker, Venkata R. Pothineni, Jürgen Haas. Zlepšení kvasinkového dvouhybridního systému s permutovanými fúzními proteiny: interaktom viru Varicella Zoster  // Proteome Science. — 2010-02-15. - T. 8 . - S. 8 . — ISSN 1477-5956 . - doi : 10.1186/1477-5956-8-8 .
  30. ↑ Kapila Kumar, Jyoti Rana, R. Sreejith, Reema Gabrani, Sanjeev K. Sharma. Intravirální proteinové interakce viru Chandipura  (anglicky)  // Archives of Virology. — 2012-10-01. — Sv. 157 , iss. 10 . — S. 1949–1957 . — ISSN 1432-8798 0304-8608, 1432-8798 . - doi : 10.1007/s00705-012-1389-5 . Archivováno z originálu 30. května 2018.
  31. ↑ 1 2 3 4 Even Fossum, Caroline C. Friedel, Seesandra V. Rajagopala, Björn Titz, Armin Baiker. Evolučně konzervované sítě interakce herpesvirových proteinů  //  Patogeny PLOS. — 04.09.2009. — Sv. 5 , iss. 9 . — P.e1000570 . — ISSN 1553-7374 . - doi : 10.1371/journal.ppat.1000570 . Archivováno z originálu 15. června 2022.
  32. ↑ Nicole Hagen, Karen Bayer, Kathrin Rösch, Michael Schindler. Intravirová proteinová interakční síť viru hepatitidy C  // Molekulární a buněčná proteomika: MCP. — 2014-7. - T. 13 , č.p. 7 . - S. 1676-1689 . — ISSN 1535-9484 . - doi : 10.1074/mcp.M113.036301 . Archivováno z originálu 31. května 2018.
  33. ↑ Andreas Osterman, Thorsten Stellberger, Anna Gebhardt, Marisa Kurz, Caroline C. Friedel. Intravirální interaktom viru hepatitidy E  (anglicky)  // Scientific Reports. — 2015-10-14. - T. 5 , ne. 1 . — ISSN 2045-2322 . - doi : 10.1038/srep13872 . Archivováno 1. května 2019.
  34. ↑ Yu-Chi Chen, Seesandra Venkatappa Rajagopala, Thorsten Stellberger, Peter Uetz. Vyčerpávající benchmarking kvasinkového dvouhybridního systému  //  Nature Methods. — 2010/09. - T. 7 , ne. 9 . — S. 667–668 . — ISSN 1548-7105 . - doi : 10.1038/nmeth0910-667 . Archivováno 25. května 2021.
  35. ↑ JC Rain, L. Selig, H. De Reuse, V. Battaglia, C. Reverdy. Interakční mapa protein-protein Helicobacter pylori  // Nature. - 2001-01-11. - T. 409 , č.p. 6817 . — S. 211–215 . — ISSN 0028-0836 . - doi : 10.1038/35051615 . Archivováno z originálu 23. července 2018.
  36. ↑ Roman Häuser, Arnaud Ceol, Seesandra V. Rajagopala, Roberto Mosca, Gabriella Siszler. Síť interakce protein-protein druhé generace Helicobacter pylori  // Molekulární a buněčná proteomika: MCP. — 2014-5. - T. 13 , č.p. 5 . - S. 1318-1329 . — ISSN 1535-9484 . - doi : 10.1074/mcp.O113.033571 . Archivováno z originálu 31. května 2018.
  37. ↑ Jodi R. Parrish, Jingkai Yu, Guozhen Liu, Julie A. Hines, Jason E. Chan. Proteomová proteinová interakční mapa pro Campylobacter jejuni  // Genome Biology. — 2007-07-05. - T. 8 . - S. R130 . — ISSN 1474-760X . - doi : 10.1186/cz-2007-8-7-r130 .
  38. ↑ 1 2 Björn Titz, Seesandra V. Rajagopala, Johannes Goll, Roman Häuser, Matthew T. McKevitt. Binární proteinový interaktom Treponema pallidum – The Syphilis Spirochete  (anglicky)  // PLOS ONE. — 28. 5. 2008. — Sv. 3 , iss. 5 . —P.e2292 . _ — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0002292 . Archivováno z originálu 17. června 2022.
  39. ↑ Pingzhao Hu, Sarath Chandra Janga, Mohan Babu, J. Javier Díaz-Mejía, Gareth Butland. Globální funkční atlas Escherichia coli zahrnující dříve necharakterizované proteiny  //  Biologie PLOS. — 28. 4. 2009. — Sv. 7 , iss. 4 . — P.e1000096 . — ISSN 1545-7885 . - doi : 10.1371/journal.pbio.1000096 . Archivováno z originálu 23. dubna 2022.
  40. ↑ Seesandra V Rajagopala, Patricia Sikorski, Ashwani Kumar, Roberto Mosca, James Vlasblom. Binární prostředí interakce protein-protein Escherichia coli  // Nature Biotechnology. — 2014-02-23. - T. 32 , č.p. 3 . — S. 285–290 . - ISSN 1546-1696 1087-0156, 1546-1696 . - doi : 10.1038/nbt.2831 . Archivováno z originálu 24. února 2021.
  41. ↑ Yoshikazu Shimoda, Sayaka Shinpo, Mitsuyo Kohara, Yasukazu Nakamura, Satoshi Tabata. Rozsáhlá analýza interakcí protein–protein v bakterii Mesorhizobium loti fixující dusík  //  Výzkum DNA. — 2008-02-01. — Sv. 15 , iss. 1 . — S. 13–23 . - ISSN 1340-2838 . - doi : 10.1093/dnares/dsm028 . Archivováno z originálu 30. května 2018.
  42. ↑ Yi Wang, Tao Cui, Cong Zhang, Min Yang, Yuanxia Huang. Globální síť interakce protein-protein u lidského patogenu Mycobacterium tuberculosis H37Rv  // Journal of Proteome Research. — 2010-12-03. - T. 9 , ne. 12 . — S. 6665–6677 . — ISSN 1535-3907 . - doi : 10.1021/pr100808n . Archivováno z originálu 23. července 2018.
  43. ↑ Sebastian Kühner, Vera van Noort, Matthew J. Betts, Alejandra Leo-Macias, Claire Batisse. Organizace proteomu v bakterii s redukovaným genomem  // Science (New York, NY). — 27. 11. 2009. - T. 326 , č.p. 5957 . - S. 1235-1240 . — ISSN 1095-9203 . - doi : 10.1126/science.1176343 . Archivováno z originálu 31. května 2018.
  44. ↑ Shusei Sato, Yoshikazu Shimoda, Akiko Muraki, Mitsuyo Kohara, Yasukazu Nakamura. Rozsáhlá analýza interakce protein-protein u Synechocystis sp. PCC6803  (anglicky)  // Výzkum DNA. - 2007-01-01. — Sv. 14 , iss. 5 . — S. 207–216 . - ISSN 1340-2838 . - doi : 10.1093/dnares/dsm021 . Archivováno z originálu 30. května 2018.
  45. ↑ Artem Cherkasov, Michael Hsing, Roya Zoraghi, Leonard J. Foster, Raymond H. See. Mapování sítě proteinových interakcí u meticilin-rezistentního Staphylococcus aureus (EN) // Journal of Proteome Research. — 2011-03-04. - T. 10 , ne. 3 . - S. 1139-1150 . - ISSN 1535-3907 1535-3893, 1535-3907 . doi : 10.1021 / pr100918u .
  46. ↑ 1 2 3 B. Schwikowski, P. Uetz, S. Fields. Síť protein-proteinových interakcí v kvasinkách  // Nature Biotechnology. — 2000-12. - T. 18 , č.p. 12 . - S. 1257-1261 . — ISSN 1087-0156 . - doi : 10.1038/82360 . Archivováno z originálu 23. července 2018.
  47. ↑ Peter Uetz, Loic Giot, Gerard Cagney, Traci A. Mansfield, Richard S. Judson. Komplexní analýza interakcí protein-protein u Saccharomyces cerevisiae  (anglicky)  // Nature. — 2000-02. - T. 403 , č.p. 6770 . — S. 623–627 . — ISSN 1476-4687 0028-0836, 1476-4687 . - doi : 10.1038/35001009 . Archivováno z originálu 25. února 2021.
  48. ↑ Nevan J. Krogan, Gerard Cagney, Haiyuan Yu, Gouqing Zhong, Xinghua Guo. Globální krajina proteinových komplexů v kvasinkách Saccharomyces cerevisiae  (anglicky)  // Nature. — 2006-03. - T. 440 , č.p. 7084 . — S. 637–643 . — ISSN 1476-4687 0028-0836, 1476-4687 . - doi : 10.1038/nature04670 . Archivováno z originálu 9. prosince 2019.
  49. ↑ Vera Pancaldi, Ömer S. Saraç, Charalampos Rallis, Janel R. McLean, Martin Převorovský. Predikce interakční sítě proteinů štěpných kvasinek  //  G3: Geny, genomy, genetika. — 2012-04-01. — Sv. 2 , iss. 4 . — S. 453–467 . — ISSN 2160-1836 . - doi : 10.1534/g3.111.001560 . Archivováno z originálu 30. května 2018.
  50. ↑ Vo TV , Das J. , Meyer MJ , Cordero NA , Akturk N. , Wei X. , Fair BJ , Degatano AG , Fragoza R. , Liu LG , Matsuyama A. , Trickey M. , Horibata S. , Grimson A. , Yamano H. , Yoshida M. , Roth FP , Pleiss JA , Xia Y. , Yu H. Interaktom štěpných kvasinek v celém proteomu odhaluje principy evoluce sítě od kvasinek k člověku.  (anglicky)  // Cell. - 2016. - Sv. 164, č.p. 1-2 . - S. 310-323. - doi : 10.1016/j.cell.2015.11.037 . — PMID 26771498 .
  51. ↑ B. de Chassey, V. Navrátil, L. Tafforeau, M. S. Hiet, A. Aublin-Gex. Proteinová síť infekce virem hepatitidy C  // Biologie molekulárních systémů. - 2008. - T. 4 . - S. 230 . — ISSN 1744-4292 . - doi : 10.1038/msb.2008.66 . Archivováno z originálu 7. dubna 2018.
  52. ↑ V. Navrátil, B. de Chassey, L. Meyniel, F. Pradezynski, P. André. Porovnání interakcí protein-protein mezi viry a sítí lidského interferonu typu I na systémové úrovni  // Journal of Proteome Research. — 2010-07-02. - T. 9 , ne. 7 . — S. 3527–3536 . — ISSN 1535-3907 . - doi : 10.1021/pr100326j . Archivováno z originálu 23. července 2018.
  53. ↑ Mohamed Ali Ghadie, Luke Lambourne, Marc Vidal, Yu Xia. Predikce lidského izoformního interaktomu na základě domény poskytuje pohled na funkční dopad alternativního sestřihu  //  PLOS Computational Biology. — 28. 8. 2017. — Sv. 13 , iss. 8 . — P. e1005717 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1005717 . Archivováno z originálu 16. června 2022.
  54. ↑ Kevin R. Brown, Igor Jurisica. Online databáze predikovaných lidských interakcí  // Bioinformatika (Oxford, Anglie). - 2005-05-01. - T. 21 , č.p. 9 . — S. 2076–2082 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatics/bti273 . Archivováno z originálu 7. dubna 2018.
  55. ↑ Haibin Gu, Pengcheng Zhu, Yinming Jiao, Yijun Meng, Ming Chen. PRIN: předpokládaná síť interaktomů rýže  // BMC bioinformatika. — 2011-05-16. - T. 12 . - S. 161 . — ISSN 1471-2105 . - doi : 10.1186/1471-2105-12-161 . Archivováno z originálu 23. července 2018.
  56. ↑ Jing Guo, Huan Li, Ji-Wei Chang, Yang Lei, Sen Li. Predikce a charakterizace interakční sítě protein-protein u Xanthomonas oryzae pv. oryzae PXO99 A  // Výzkum v mikrobiologii. - prosinec 2013. - T. 164 , no. 10 . — S. 1035–1044 . — ISSN 1769-7123 . - doi : 10.1016/j.resmic.2013.09.001 . Archivováno z originálu 23. července 2018.
  57. ↑ Jane Geisler-Lee, Nicholas O'Toole, Ron Ammar, Nicholas J. Provart, A. Harvey Millar. Předpokládaný interaktom pro Arabidopsis  // Fyziologie rostlin. - říjen 2007. - T. 145 , no. 2 . — S. 317–329 . — ISSN 0032-0889 . - doi : 10.1104/pp.107.103465 . Archivováno z originálu 23. července 2018.
  58. ↑ Junyang Yue, Wei Xu, Rongjun Ban, Shengxiong Huang, Min Miao. PTIR: Predicted Tomato Interactome Resource  // Vědecké zprávy. - 28. 4. 2016. - T. 6 . - S. 25047 . — ISSN 2045-2322 . - doi : 10.1038/srep25047 . Archivováno z originálu 7. dubna 2018.
  59. ↑ Jianhua Yang, Kim Osman, Mudassar Iqbal, Dov J. Stekel, Zewei Luo. Odvozování interaktomu Brassica rapa pomocí údajů o interakci protein-protein z Arabidopsis thaliana  // Frontiers in Plant Science. - 2012. - T. 3 . - S. 297 . — ISSN 1664-462X . - doi : 10.3389/fpls.2012.00297 . Archivováno z originálu 7. dubna 2018.
  60. ↑ Guanghui Zhu, Aibo Wu, Xin-Jian Xu, Pei-Pei Xiao, Le Lu. PPIM: Databáze interakcí protein-protein pro kukuřici  // Fyziologie rostlin. - únor 2016. - T. 170 , č.p. 2 . — S. 618–626 . — ISSN 1532-2548 . - doi : 10.1104/pp.15.01821 . Archivováno z originálu 7. dubna 2018.
  61. ↑ Eli Rodgers-Melnick, Mark Culp, Stephen P. DiFazio. Předpovídání celogenomových proteinových interakčních sítí z primárních sekvenčních dat v modelových a nemodelových organismech pomocí  genomiky ENTS // BMC. — 2013-09-10. - T. 14 . - S. 608 . — ISSN 1471-2164 . - doi : 10.1186/1471-2164-14-608 . Archivováno z originálu 23. července 2018.
  62. ↑ Tero Aittokallio, Benno Schwikowski. Metody založené na grafech pro analýzu sítí v buněčné biologii  (anglicky)  // Briefings in Bioinformatics. - 2006-09-01. — Sv. 7 , iss. 3 . — S. 243–255 . — ISSN 1467-5463 . - doi : 10.1093/bib/bbl022 . Archivováno 13. května 2018.
  63. ↑ Glosář teorie grafů  // Wikipedie. — 2017-02-10.
  64. ↑ 1 2 Jackson MO Sociální a ekonomické sítě. — Princeton University Press, 2010. — 520 s. — ISBN 9780691148205 .
  65. ↑ Thomas Rolland, Murat Taşan, Benoit Charloteaux, Samuel J. Pevzner, Quan Zhong. Mapa lidské interaktomové sítě v měřítku proteomu  // Cell. — 20. 11. 2014. - T. 159 , č.p. 5 . - S. 1212-1226 . — ISSN 1097-4172 . - doi : 10.1016/j.cell.2014.10.050 . Archivováno z originálu 13. června 2017.
  66. ↑ ML Goldstein, SA Morris, GG Yen. Problémy s přizpůsobením mocninnému rozdělení  (anglicky)  // The European Physical Journal B - Condensed Matter and Complex Systems. — 2004-09-01. — Sv. 41 , iss. 2 . — S. 255–258 . - ISSN 1434-6036 1434-6028, 1434-6036 . - doi : 10.1140/epjb/e2004-00316-5 . Archivováno 13. května 2018.
  67. ↑ A. Clauset, C. Shalizi, M. Newman. Moc-právní rozložení v empirických datech  // SIAM Review. — 2009-11-04. - T. 51 , č.p. 4 . — S. 661–703 . — ISSN 0036-1445 . - doi : 10.1137/070710111 . Archivováno 19. října 2019.
  68. ↑ Vítejte v novém domově igraphu  . igraph - Balíček analýzy sítě . igraph.org. Získáno 31. března 2017. Archivováno z originálu 17. března 2017.
  69. ↑ Barabasi, Albert-Lászlo. Linked: nová věda o sítích . - Cambridge, Mass.: Perseus Pub, 2002. - 280 stran str. - ISBN 0738206679 , 9780738206677.
  70. ↑ J. Janssen, P. Pralat. Rank-Based Attachment vede k mocninným grafům  // SIAM Journal on Discrete Mathematics. — 2010-01-01. - T. 24 , č.p. 2 . — S. 420–440 . — ISSN 0895-4801 . - doi : 10.1137/080716967 . Archivováno z originálu 28. ledna 2022.
  71. ↑ Reiko Tanaka, Tau-Mu Yi, John Doyle. Některá data o interakci proteinů nevykazují statistiku mocninného zákona  //  FEBS Letters. - 26.09.2005. — Sv. 579 , iss. 23 . - str. 5140-5144 . — ISSN 1873-3468 . - doi : 10.1016/j.febslet.2005.08.024 . Archivováno z originálu 2. dubna 2017.
  72. ↑ Gipsi Lima-Mendez, Jacques van Helden. Mocný zákon moci a další mýty v síťové biologii  (anglicky)  // Molecular BioSystems. — 2009-01-01. — Sv. 5 , iss. 12 . - doi : 10.1039/B908681A . Archivováno z originálu 2. dubna 2017.
  73. ↑ 1 2 Haiyuan Yu, Pascal Braun, Muhammed A. Yıldırım, Irma Lemmens, Kavitha Venkatesan. Vysoce kvalitní mapa interakce binárních proteinů sítě interaktomů kvasinek   // Science . — 2008-10-03. — Sv. 322 , iss. 5898 . — S. 104–110 . — ISSN 1095-9203 0036-8075, 1095-9203 . - doi : 10.1126/science.1158684 . Archivováno z originálu 30. května 2018.
  74. ↑ Philip M. Kim, Long J. Lu, Yu Xia, Mark B. Gerstein. Propojení trojrozměrných struktur s proteinovými sítěmi poskytuje evoluční pohledy   // Věda . — 22. 12. 2006. — Sv. 314 , iss. 5807 . — S. 1938–1941 . — ISSN 1095-9203 0036-8075, 1095-9203 . - doi : 10.1126/science.1136174 . Archivováno z originálu 30. května 2018.
  75. ↑ Prediktivní medicína - Nejnovější výzkumy a novinky | Příroda  (anglicky) . www.nature.com. Získáno 1. dubna 2017. Archivováno z originálu 6. května 2017.
  76. ↑ Susan Dina Ghiassian, Jörg Menche, Albert-László Barabási. Algoritmus detekce modulu nemoci (DIAMOND) odvozený ze systematické analýzy vzorců konektivity proteinů onemocnění v lidském interaktomu  // PLOS Computational Biology. — 2015-04-08. - T. 11 , č.p. 4 . — S. e1004120 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1004120 . Archivováno z originálu 14. června 2022.
  77. ↑ Klasifikace . MachineLearning.ru . www.machinelearning.ru Získáno 1. dubna 2017. Archivováno z originálu 29. dubna 2017.
  78. ↑ 1 2 Madhavi K. Ganapathiraju, Mohamed Thahir, Adam Handen, Saumendra N. Sarkar, Robert A. Sweet. Interaktom schizofrenie s 504 novými interakcemi protein-protein  // NPJ schizofrenie. - 2016. - T. 2 . - S. 16012 . — ISSN 2334-265X . - doi : 10.1038/npjschz.2016.12 . Archivováno z originálu 23. července 2018.
  79. ↑ 1 2 Yanjun Qi, Harpreet K. Dhiman, Neil Bhola, Ivan Budyak, Siddhartha Kar. Systematická predikce interakcí lidských membránových receptorů  // Proteomika. - prosinec 2009. - T. 9 , no. 23 . — S. 5243–5255 . — ISSN 1615-9861 . - doi : 10.1002/pmic.200900259 . Archivováno z originálu 23. července 2018.
  80. ↑ Yanjun Qi, Ziv Bar-Joseph, Judith Klein-Seetharaman. Vyhodnocení různých biologických dat a výpočetní klasifikační metody pro použití v predikci proteinových interakcí  // Proteiny. - 2006-05-15. - T. 63 , č.p. 3 . — S. 490–500 . — ISSN 1097-0134 . - doi : 10.1002/prot.20865 . Archivováno z originálu 23. července 2018.
  81. ↑ 12 Univerzita v Dundee. PIP: Predikce interakce mezi lidským proteinem a proteinem . www.compbio.dundee.ac.uk. Staženo 1. dubna 2017. Archivováno z originálu 15. června 2017.
  82. ↑ Sven Mika, Burkhard Rost. Interakce protein-protein jsou více konzervované uvnitř druhů než mezi druhy  // PLoS výpočetní biologie. — 21. 7. 2006. - T. 2 , ne. 7 . - S. e79 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.0020079 . Archivováno z originálu 8. dubna 2018.
  83. ↑ Yi-Chao Han, Jia-Ming Song, Long Wang, Cheng-Cheng Shu, Jing Guo. Predikce a charakterizace interakční sítě protein-protein v Bacillus licheniformis WX-02  (anglicky)  // Scientific Reports. — 2016-01-19. - T. 6 , ne. 1 . — ISSN 2045-2322 . - doi : 10.1038/srep19486 . Archivováno z originálu 19. února 2017.
  84. ↑ Weerayuth Kittichotirat, Michal Guerquin, Roger E. Bumgarner, Ram Samudrala. Protinfo PPC: webový server pro predikci proteinových komplexů na atomové úrovni  // Nucleic Acids Research. - Červenec 2009. - T. 37 , no. Problém s webovým serverem . — S. W519–525 . — ISSN 1362-4962 . - doi : 10.1093/nar/gkp306 . Archivováno z originálu 8. dubna 2018.
  85. ↑ Manoj Tyagi, Kosuke Hashimoto, Benjamin A. Shoemaker, Stefan Wuchty, Anna R. Panchenko. Rozsáhlé mapování interaktomu lidského proteinu pomocí strukturních komplexů  // zprávy EMBO. — 2012-03-01. - T. 13 , č.p. 3 . — S. 266–271 . — ISSN 1469-3178 . - doi : 10.1038/embor.2011.261 . Archivováno z originálu 8. dubna 2018.
  86. ↑ Thomas A. Hopf, Charlotta PI Schärfe, João PGLM Rodrigues, Anna G. Green, Oliver Kohlbacher. Sekvenční koevoluce dává 3D kontakty a struktury proteinových komplexů  // eLife. — 25.09.2014. - T. 3 . — ISSN 2050-084X . - doi : 10.7554/eLife.03430 . Archivováno z originálu 8. dubna 2018.
  87. ↑ Kushal Veer Singh, Lovekesh Vig. Vylepšená predikce chybějících interaktomových vazeb proteinů pomocí detekce anomálií  //  Applied Network Science. — 28. 1. 2017. - T. 2 , ne. 1 . - S. 2 . — ISSN 2364-8228 . - doi : 10.1007/s41109-017-0022-7 . Archivováno z originálu 2. dubna 2017.
  88. ↑ Robert Hoffmann, Martin Krallinger, Eduardo Andres, Javier Tamames, Christian Blaschke. Dolování textu pro metabolické dráhy, signální kaskády a proteinové sítě  // Science's STKE: prostředí znalostí přenosu signálu. — 2005-05-10. - T. 2005 , no. 283 . - S. pe21 . — ISSN 1525-8882 . - doi : 10.1126/stke.2832005pe21 . Archivováno z originálu 8. dubna 2018.
  89. ↑ Jason McDermott, Roger Bumgarner, Ram Samudrala. Funkční anotace z predikovaných proteinových interakčních sítí  (anglicky)  // Bioinformatics. - 2005-08-01. — Sv. 21 , iss. 15 . — S. 3217–3226 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatics/bti514 . Archivováno z originálu 30. května 2018.
  90. ↑ Seesandra V. Rajagopala, Patricia Sikorski, J. Harry Caufield, Andrey Tovchigrechko, Peter Uetz. Studium proteinových komplexů kvasinkovým dvouhybridním systémem  // Metody (San Diego, Kalifornie). - prosinec 2012. - T. 58 , no. 4 . — S. 392–399 . — ISSN 1095-9130 . - doi : 10.1016/j.ymeth.2012.07.015 . Archivováno z originálu 23. července 2018.
  91. ↑ Albert-László Barabási, Zoltán N. Oltvai. Síťová biologie: pochopení funkční organizace buňky  // Nature Reviews. genetika. - únor 2004. - V. 5 , no. 2 . — S. 101–113 . — ISSN 1471-0056 . doi : 10.1038 / nrg1272 . Archivováno z originálu 25. ledna 2018.
  92. ↑ Kwang-Il Goh, In-Geol Choi. Zkoumání lidské nemoci: síť lidských nemocí  // Briefings in Functional Genomics. - Listopad 2012. - T. 11 , no. 6 . — S. 533–542 . — ISSN 2041-2657 . doi : 10.1093 / bfgp/els032 . Archivováno z originálu 8. dubna 2018.
  93. ↑ Albert-László Barabási, Natali Gulbahce, Joseph Loscalzo. Síťová medicína: síťový přístup k lidským nemocem  // Nature Reviews. genetika. - Leden 2011. - T. 12 , no. 1 . — s. 56–68 . — ISSN 1471-0064 . - doi : 10.1038/nrg2918 . Archivováno z originálu 8. dubna 2018.
  94. ↑ 1 2 Jeffrey Perkel. Ověřování Interactomu | The Scientist Magazine® . Vědec (21. června 2004). Získáno 1. dubna 2017. Archivováno z originálu 2. dubna 2017.
  95. ↑ Christoph Doepmann. Průzkum problému zarovnání grafu a benchmark vhodných algoritmů. Vystavit pro bakalářskou práci. / Ulf Leser, Andre Koschmieder. — Humboldt-Universitaet zu Berlin, Institut fuer Informatik, 2013. Archivováno 2. dubna 2017 na Wayback Machine
  96. ↑ Roland A. Pache, Arnaud Ceol, Patrick Aloy. NetAligner – server pro zarovnání sítě pro porovnání komplexů, cest a celých interaktomů  (anglicky)  // Nucleic Acids Research. — 2012-07-01. — Sv. 40 , iss. W1 . — S. W157–W161 . — ISSN 0305-1048 . - doi : 10.1093/nar/gks446 . Archivováno z originálu 30. května 2018.
  97. ↑ 1 2 Cannataro, Mario, 1964-. Správa dat proteinových interakčních sítí . - Hoboken, NJ: Wiley, 2011. - 1 online zdroj (xxxiv, 182 stran) str. - ISBN 9781118103746 , 1118103742, 1118103718, 9781118103715.
  98. ↑ Laura Bonetta. Interakce protein-protein: Interactom ve výstavbě   // Příroda . — 2010-12-09. — Sv. 468 , iss. 7325 . - S. 851-854 . — ISSN 0028-0836 . - doi : 10.1038/468851a . Archivováno z originálu 2. dubna 2017.
  99. ↑ Ko-imunoprecipitace (Co-IP  ) . www.thermofisher.com Získáno 1. 4. 2017. Archivováno z originálu 25. 7. 2017.
  100. ↑ HuRI | Domů  (anglicky) . Projekt Human Reference Protein Interactome . interactome.baderlab.org. Získáno 31. března 2017. Archivováno z originálu 1. dubna 2017.
  101. ↑ CCSB  . _ Centrum pro biologii rakovinných systémů (CCSB) . ccsb.dfci.harvard.edu. Získáno 31. března 2017. Archivováno z originálu 1. dubna 2017.
  102. ↑ 12 MINT . _ MINT - Databáze molekulárních interakcí . máta.bio.uniroma2.it. Získáno 1. dubna 2017. Archivováno z originálu 5. května 2017.
  103. ↑ skupina  molekulární genetiky . www.moleculargenetics.it. Staženo 1. dubna 2017. Archivováno z originálu 17. února 2017.
  104. ↑ Databáze interagujících proteinů . Databáze DIP . Získáno 1. dubna 2017. Archivováno z originálu 14. března 2009.
  105. ↑ GD Bader, I. Donaldson, C. Wolting, BF Ouellette, T. Pawson. BIND -- databáze biomolekulární interakce  // Výzkum nukleových kyselin. - 2001-01-01. - T. 29 , č.p. 1 . — S. 242–245 . — ISSN 1362-4962 . Archivováno z originálu 31. května 2018.
  106. ↑ Databáze v ohrožení  //  Nature Cell Biology. - 2005-07-01. — Sv. 7 , iss. 7 . — S. 639–639 . — ISSN 1465-7392 . - doi : 10.1038/ncb0705-639b . Archivováno z originálu 1. dubna 2017.
  107. ↑ 12 GeneMANIA . _ genemania.org. Získáno 1. dubna 2017. Archivováno z originálu 20. dubna 2017.
  108. ↑ University of Toronto  . www.utoronto.ca. Získáno 1. dubna 2017. Archivováno z originálu 24. února 2011.
  109. ↑ Vysoce kvalitní INTERactomy . hint.yulab.org. Získáno 1. dubna 2017. Archivováno z originálu 1. dubna 2017.
  110. ↑ Yu Lab - Cornell University . yulab.icmb.cornell.edu. Získáno 1. dubna 2017. Archivováno z originálu 1. dubna 2017.
  111. ↑ Neporušené. http://www.ebi.ac.uk/intact/  _ _ www.ebi.ac.uk. Získáno 1. dubna 2017. Archivováno z originálu 8. dubna 2017.
  112. ↑ Sandra Orchard, Mais Ammari, Bruno Aranda, Lionel Breuza, Leonardo Briganti. Projekt MINtAct -- IntAct jako společná kurátorská platforma pro 11 databází molekulárních interakcí  // Nucleic Acids Research. — 2014-1. - T. 42 , č.p. Problém s databází . — S. D358–363 . — ISSN 1362-4962 . - doi : 10.1093/nar/gkt1115 . Archivováno z originálu 31. května 2018.
  113. ↑ Neporušené. http://www.ebi.ac.uk/intact/about/statistics?conversationContext=8#it  . _ www.ebi.ac.uk. Získáno 1. dubna 2017. Archivováno z originálu 2. dubna 2017.
  114. ↑ Neporušené. http://www.ebi.ac.uk/intact/about/overview;jsessionid=F9BA9ECD507219503D95BBB7E3B21128  (anglicky) . www.ebi.ac.uk. Získáno 1. dubna 2017. Archivováno z originálu 2. dubna 2017.
  115. ↑ Mike Tyers Lab. BioGRID |  Databáze proteinových, chemických a genetických interakcí . thebiogrid.org. Staženo 1. dubna 2017. Archivováno z originálu 11. září 2017.
  116. ↑ Statistika databáze BioGRID | BioGRID  . _ wiki.thebiogrid.org. Získáno 1. dubna 2017. Archivováno z originálu 23. února 2017.
  117. ↑ O systému BioGRID | BioGRID  . _ wiki.thebiogrid.org. Získáno 1. dubna 2017. Archivováno z originálu 2. dubna 2017.
  118. ↑ Kai Xia, Dong Dong, Jing-Dong J. Han. IntNetDB v1.0: integrovaná síťová databáze pro interakci protein-protein generovaná pravděpodobnostním modelem  // BMC Bioinformatics. - 2006-01-01. - T. 7 . - S. 508 . — ISSN 1471-2105 . - doi : 10.1186/1471-2105-7-508 .
  119. ↑ Vítejte v DroID: Komplexní databáze interakcí Drosophila . www.droidb.org. Získáno 1. dubna 2017. Archivováno z originálu 9. dubna 2017.
  120. ↑ Databáze Drosophila Interactions . www.droidb.org. Získáno 1. dubna 2017. Archivováno z originálu 12. dubna 2017.
  121. ↑ TAIR - Domovská  stránka . Informační zdroj Arabidopsis . www.arabidopsis.org. Získáno 1. dubna 2017. Archivováno z originálu 19. dubna 2017.
  122. ↑ Phoenix  Home . Bioinformatika Phoenix . www.phoenixbioinformatics.org. Získáno 1. dubna 2017. Archivováno z originálu 2. dubna 2017.
  123. ↑ Univerzita v Dundee. Univerzita v Dundee  . Univerzita v Dundee. Získáno 1. dubna 2017. Archivováno z originálu 1. dubna 2017.
  124. ↑ Vítejte v PRIN - Predicted Rice Interactome Network . Síť interakcí protein-protein Oryza sativa . bis.zju.edu.cn. Získáno 1. 4. 2017. Archivováno z originálu 11. 1. 2017.
  125. ↑ Kontaktujte nás . Síť interakcí protein-protein Oryza sativa . bis.zju.edu.cn. Získáno 1. dubna 2017. Archivováno z originálu 17. března 2018.