Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

В молекулярной биологии , интерактом является вся совокупность молекулярных взаимодействий в конкретной ячейке . Этот термин конкретно относится к физическим взаимодействиям между молекулами (например, между белками, также известными как белок-белковые взаимодействия , PPI; или между небольшими молекулами и белками [1] ), но также может описывать наборы косвенных взаимодействий между генами ( генетические взаимодействия ) . Интерактомы на основе PPI должны быть связаны с протеомом соответствующего вида, чтобы обеспечить глобальное представление («омическое») всех возможных молекулярных взаимодействий, которые может представлять белок. [2]

Часть взаимодействия DISC1 с генами представлена ​​текстом в прямоугольниках, а взаимодействия отмечены линиями между генами. Из Hennah and Porteous, 2009. [3]

Слово «интерактом» было первоначально придумано в 1999 году группой французских ученых во главе с Бернаром Жаком. [4] Математически интерактомы обычно отображаются в виде графиков . Хотя интерактомы можно описать как биологические сети , их не следует путать с другими сетями, такими как нейронные сети или пищевые сети .

Сети молекулярного взаимодействия [ править ]

Молекулярные взаимодействия могут происходить между молекулами, принадлежащими к разным биохимическим семействам (белки, нуклеиновые кислоты, липиды, углеводы и т. Д.), А также внутри данного семейства. Когда такие молекулы связаны физическими взаимодействиями, они образуют сети молекулярных взаимодействий, которые обычно классифицируются по природе задействованных соединений. Чаще всего, интерактом относится к сети межбелковых взаимодействий (PPI) (PIN) или ее подмножествам. Например, взаимодействие белка Sirt-1 и интерактома второго порядка семейства Sirt [5] [6]представляет собой сеть, включающую Sirt-1 и его напрямую взаимодействующие белки, где как интерактом второго порядка иллюстрирует взаимодействия до второго порядка соседей (Соседи соседей). Другой широко изученный тип интерактома - это белок-ДНК-интерактом, также называемый ген-регуляторной сетью , сеть, образованная факторами транскрипции, регуляторными белками хроматина и их генами-мишенями. Даже метаболические сети можно рассматривать как сети молекулярного взаимодействия: метаболиты, то есть химические соединения в клетке, превращаются друг в друга ферментами , которые должны физически связывать свои субстраты.

Фактически все типы интерактомов взаимосвязаны. Например, белковые интерактомы содержат много ферментов, которые, в свою очередь, образуют биохимические сети. Точно так же сети регуляции генов существенно перекрываются с сетями взаимодействия белков и сигнальными сетями.

Размер [ править ]

Оценка белкового взаимодействия дрожжей. Из [7]

Было высказано предположение, что размер интерактома организма лучше, чем размер генома, коррелирует с биологической сложностью организма. [8] Хотя карты белок-белковых взаимодействий, содержащие несколько тысяч бинарных взаимодействий, теперь доступны для нескольких видов, ни одно из них в настоящее время не является полным, и размер интерактомов все еще является предметом споров.

Дрожжи [ править ]

Дрожжевой интерактом, то есть все белок-белковые взаимодействия между белками Saccharomyces cerevisiae , по оценкам, содержит от 10 000 до 30 000 взаимодействий. Разумная оценка может составлять порядка 20 000 взаимодействий. Более крупные оценки часто включают косвенные или предсказанные взаимодействия, часто на основе исследований аффинной очистки / масс-спектрометрии (AP / MS). [7]

Сети генетического взаимодействия [ править ]

Основная статья: Сеть генетического взаимодействия

Гены взаимодействуют в том смысле, что влияют на функции друг друга. Например, мутация может быть безвредной, но когда она сочетается с другой мутацией, комбинация может оказаться летальной. Говорят, что такие гены «взаимодействуют генетически». Связанные таким образом гены образуют сети генетического взаимодействия . Некоторые из целей этих сетей: разработка функциональной карты клеточных процессов, идентификация мишеней лекарств и прогнозирование функции не охарактеризованных генов.

В 2010 году самый «полный» созданный на сегодняшний день генный интерактом был составлен из примерно 5,4 миллиона сравнений двух генов, чтобы описать «профили взаимодействия для ~ 75% всех генов в почкующихся дрожжах » с ~ 170 000 взаимодействий генов. Гены были сгруппированы на основе сходной функции, чтобы построить функциональную карту клеточных процессов. Используя этот метод, исследование смогло предсказать известные функции генов лучше, чем любой другой набор данных в масштабе генома, а также добавить функциональную информацию для генов, которые ранее не были описаны. С помощью этой модели генетические взаимодействия можно наблюдать в разных масштабах, что поможет в изучении таких концепций, как сохранение генов.Некоторые наблюдения, сделанные в ходе этого исследования, заключаются в том, что отрицательных взаимодействий было в два раза больше, чем положительных.отрицательные взаимодействия были более информативными, чем положительные, а гены с большим количеством связей с большей вероятностью приводили к летальному исходу при нарушении. [9]

Интерактомика [ править ]

Интерактомика - это дисциплина на стыке биоинформатики и биологии, которая занимается изучением как взаимодействий, так и последствий этих взаимодействий между белками и другими молекулами внутри клетки . [10] Таким образом, интерактомика направлена ​​на сравнение таких сетей взаимодействий (то есть, интерактомов) между видами и внутри них, чтобы выяснить, как черты таких сетей либо сохраняются, либо изменяются.

Интерактомика - это пример системной биологии «сверху вниз», которая берет верхний, а также общий взгляд на биосистему или организм. Собираются большие наборы полногеномных и протеомных данных, и делается вывод о корреляциях между различными молекулами. На основании полученных данных сформулированы новые гипотезы об обратных связях между этими молекулами. Затем эти гипотезы могут быть проверены новыми экспериментами. [11]

Экспериментальные методы картирования интерактомов [ править ]

Изучение интерактомов называется интерактомикой. Базовой единицей белковой сети является белок-белковое взаимодействие (PPI). Несмотря на то, что существует множество методов изучения PPI, лишь немногие из них были использованы в крупном масштабе для картирования целых интерактомов.

Дрожжи две гибридные системы (Y2H) подходит для изучения бинарных взаимодействий между двумя белками одновременно. Аффинная очистка и последующая масс-спектрометрия подходят для идентификации белкового комплекса. Оба метода можно использовать в режиме высокой пропускной способности (HTP). Два гибридных скрининга дрожжей допускают ложноположительные взаимодействия между белками, которые никогда не экспрессируются в одно и то же время и в одном месте; Масс-спектрометрия с аффинным захватом лишена этого недостатка и в настоящее время является золотым стандартом. Данные по двугибридным дрожжам лучше указывают на неспецифические тенденции к липким взаимодействиям, тогда как масс-спектрометрия с аффинным захватом лучше указывает на функциональные межбелковые взаимодействия in vivo. [12] [13]

Вычислительные методы изучения интерактомов [ править ]

После создания интерактома есть множество способов проанализировать его свойства. Однако такой анализ преследует две важные цели. Во-первых, ученые пытаются выяснить системные свойства интерактомов, например, топологию их взаимодействий. Во-вторых, исследования могут быть сосредоточены на отдельных белках и их роли в сети. Такие анализы в основном проводятся с использованием методов биоинформатики и включают, среди многих других, следующее:

Проверка [ править ]

Во-первых, необходимо оценить охват и качество интерактома. Интерактомы никогда не бывают полными из-за ограничений экспериментальных методов. Например, было подсчитано, что типичные экраны Y2H обнаруживают только 25% или около того всех взаимодействий в интерактоме. [14] Охват интерактома можно оценить, сравнив его с эталонными показателями хорошо известных взаимодействий, которые были обнаружены и подтверждены независимыми анализами. [15] Другие методы отфильтровывают ложные срабатывания, вычисляя сходство известных аннотаций задействованных белков, или определяют вероятность взаимодействия с использованием субклеточной локализации этих белков. [16]

Прогнозирование PPI [ править ]

Шизофрения ИПП. [17]

Используя экспериментальные данные в качестве отправной точки, перенос гомологии является одним из способов прогнозирования интерактомов. Здесь ИПП одного организма используются для прогнозирования взаимодействий между гомологичными белками в другом организме (« интерологи »). Однако этот подход имеет определенные ограничения, прежде всего потому, что исходные данные могут быть ненадежными (например, содержать ложные срабатывания и ложные отрицания). [18] Кроме того, белки и их взаимодействия изменяются в процессе эволюции и, таким образом, могут быть потеряны или приобретены. Тем не менее, были предсказаны многочисленные интерактомы, например, Bacillus licheniformis . [19]

Некоторые алгоритмы используют экспериментальные данные о структурных комплексах, атомных деталях связывающих интерфейсов и создают подробные атомные модели белок-белковых комплексов [20] [21], а также других взаимодействий белок-молекула. [22] [23] Другие алгоритмы используют только информацию о последовательности, тем самым создавая беспристрастные полные сети взаимодействия со многими ошибками. [24]

В некоторых методах используется машинное обучение, чтобы отличить, как взаимодействующие пары белков отличаются от пар невзаимодействующих белков с точки зрения парных характеристик, таких как клеточная колокализация, коэкспрессия генов, насколько близко расположены в ДНК гены, кодирующие два белка, и т. Д. на. [17] [25] Случайный лес оказался наиболее эффективным методом машинного обучения для прогнозирования взаимодействия белков. [26] Такие методы были применены для обнаружения белковых взаимодействий на человеческом интерактоме, в частности, на интерактоме мембранных белков [25] и взаимодействии белков, связанных с шизофренией. [17]

Текстовый анализ PPI [ править ]

Были предприняты некоторые попытки систематического извлечения сетей взаимодействия непосредственно из научной литературы. Такие подходы варьируются с точки зрения сложности от простой статистики совместного появления объектов, которые упоминаются вместе в одном контексте (например, предложения), до сложных методов обработки естественного языка и методов машинного обучения для обнаружения взаимосвязей взаимодействия. [27]

Прогнозирование функции белков [ править ]

Сети взаимодействия белков использовались для предсказания функции белков с неизвестными функциями. [28] [29] Это обычно основано на предположении, что неохарактеризованные белки имеют схожие функции с их взаимодействующими белками ( вина по ассоциации ). Например, было обнаружено, что YbeB, белок с неизвестной функцией, взаимодействует с рибосомными белками, а позже было показано, что он участвует в бактериальной и эукариотической (но не архейной) трансляции . [30] Хотя такие прогнозы могут быть основаны на единичных взаимодействиях, обычно обнаруживается несколько взаимодействий. Таким образом, вся сеть взаимодействий может быть использована для предсказания функций белка, учитывая, что определенные функции обычно обогащаются среди взаимодействующих элементов. [28]Термин « гипотома » используется для обозначения интерактома, в котором по меньшей мере один из генов или белков является гипотетическим белком . [31]

Возмущения и болезни [ править ]

Основная статья: Сетевая медицина

Топологии из интерактома делают определенные предсказания , как сеть реагирует на возмущение (например , удаление) узлов (белки) или ребра (взаимодействия). [32] Такие нарушения могут быть вызваны мутациями генов и, следовательно, их белков, и сетевая реакция может проявляться как болезнь . [33] Сетевой анализ может определить мишени для лекарств и биомаркеры болезней. [34]

Структура и топология сети [ править ]

Сети взаимодействия можно анализировать с помощью инструментов теории графов . Сетевые свойства включают распределение степеней , коэффициенты кластеризации , центральность промежуточности и многие другие. Распределение свойств между белками интерактома показало, что сети интерактомов часто имеют безмасштабную топологию [35], где функциональные модули внутри сети указывают на специализированные подсети. [36] Такие модули могут быть функциональными, как в сигнальном пути., или структурный, как в белковом комплексе. Фактически, идентифицировать белковые комплексы в интерактоме - сложная задача, учитывая, что сеть сама по себе не выявляет непосредственно присутствие стабильного комплекса.

Изученные интерактомы [ править ]

Вирусные интерактомы [ править ]

Взаимодействия вирусных белков состоят из взаимодействий между вирусными или фаговыми белками. Они были одними из первых интерактивных проектов, поскольку их геномы малы и все белки можно анализировать с ограниченными ресурсами. Вирусные интерактомы связаны с их взаимодействующими хозяевами, образуя сети взаимодействия вирус-хозяин. [37] Некоторые опубликованные вирусные интерактомы включают

Бактериофаг

  • Лямбда бактериофага Escherichia coli [38]
  • Бактериофаг Escherichia coli T7 [39]
  • Бактериофаг Streptococcus pneumoniae Dp-1 [40]
  • Бактериофаг Streptococcus pneumoniae Cp-1 [41]

Лямбда- и VZV-интерактомы важны не только для биологии этих вирусов, но и по техническим причинам: они были первыми интерактомами, которые были картированы с несколькими векторами Y2H , что доказывает улучшенную стратегию более полного исследования интерактомов, чем показали предыдущие попытки.

Вирусы человека (млекопитающих)

  • Вирус ветряной оспы человека (VZV) [42]
  • Вирус чандипуры [43]
  • Вирус Эпштейна-Барра (EBV) [44]
  • Вирус гепатита C (HPC), [45] Взаимодействие человека с HCV [46]
  • Вирус гепатита Е (HEV) [47]
  • Вирус простого герпеса 1 (HSV-1) [44]
  • Вирус герпеса, связанный с саркомой Капоши (KSHV) [44]
  • Цитомегаловирус мыши (mCMV) [44]

Бактериальные интерактомы [ править ]

Сравнительно небольшое количество бактерий было всесторонне изучено на предмет их межбелковых взаимодействий. Однако ни один из этих интерактомов не является полным в том смысле, что они охватывают все взаимодействия. Фактически, было подсчитано, что ни один из них не охватывает более 20% или 30% всех взаимодействий, в первую очередь потому, что в большинстве этих исследований использовался только один метод, каждый из которых обнаруживает только подмножество взаимодействий. [14] Среди опубликованных бактериальных интерактомов (в том числе частичных) есть

Разновидностьбелки всеговзаимодействиятипссылка
Helicobacter pylori1,553~ 3 004Y2H[48] [49]
Campylobacter jejuni1,62311 687Y2H[50]
Бледная трепонема1,0403 649Y2H[51]
кишечная палочка4 288(5 993)AP / MS[52]
кишечная палочка4 2882,234Y2H[53]
Mesorhizobium loti6 7523,121Y2H[54]
Микобактерии туберкулеза3,959> 8000B2H[55]
Mycoplasma genitalium482AP / MS[56]
Synechocystis sp. PCC68033 2643 236Y2H[57]
Золотистый стафилококк (MRSA)2 65613 219AP / MS[58]

В кишечной палочки и Mycoplasma интерактомов были проанализированы с использованием крупномасштабного белкового комплекса аффинной очистки и масс - спектрометрии (AP / MS), следовательно , это не легко можно сделать вывод о прямых взаимодействий. Другие использовали обширные дрожжевые двугибридные (Y2H) скрининги. Микобактерии туберкулез интеракт был проанализирована с использованием бактериального двугибридного экрана (B2H).

Обратите внимание, что многочисленные дополнительные интерактомы были предсказаны с использованием вычислительных методов (см. Раздел выше).

Эукариотические интерактомы [ править ]

Было предпринято несколько попыток картировать эукариотические интерактомы с помощью методов HTP. Хотя никакие биологические интерактомы не были полностью охарактеризованы, более 90% белков в Saccharomyces cerevisiae были проверены, и их взаимодействия охарактеризованы, что сделало его наиболее охарактеризованным взаимодействием. [28] [59] [60] Виды, чьи взаимодействия были изучены довольно подробно, включают

  • Schizosaccharomyces pombe [61] [62]
  • Caenorhabditis elegans
  • Drosophila melanogaster
  • Homo sapiens

Недавно взаимодействия патоген-хозяин вируса гепатита C / человека (2008 г.), [63] вируса Эпштейна-Барра / человека (2008 г.), вируса гриппа / человека (2009 г.) были очерчены с помощью HTP для идентификации основных молекулярных компонентов для патогенов и их иммунная система хозяина. [64]

Прогнозируемые интерактомы [ править ]

Как описано выше, PPI и, следовательно, целые интерактомы могут быть предсказаны. Хотя надежность этих прогнозов спорна, они предоставляют гипотезы, которые можно проверить экспериментально. Интеграктомы были предсказаны для ряда видов, например

  • Человек ( Homo sapiens ) [65]
  • Рис ( Oryza sativa ) [66]
  • Xanthomonas oryzae [67]
  • Arabidopsis thaliana [68]
  • Помидор ( Solanum lycopersicum ) [69]
  • Горчица полевая ( Brassica rapa ) [70]
  • Кукуруза, кукуруза ( Zea mays ) [71]
  • Тополь ( Populus trichocarpa ) [72]
  • SARS-CoV-2 [73]
Представление предсказанного взаимодействия SARS-CoV-2 / человека [73]

Свойства сети [ править ]

Сети взаимодействия с белками можно анализировать с помощью того же инструмента, что и другие сети. Фактически, они имеют много общих свойств с биологическими или социальными сетями . Вот некоторые из основных характеристик.

Treponema спирохета белок интерактом. [51]

Распределение степеней [ править ]

Распределение по степени описывает количество белков, которые имеют определенное количество соединений. Большинство сетей взаимодействия белков демонстрируют безмасштабное ( степенное ) распределение степеней, где распределение связности P (k) ~ k −γ, где k - степень. Это соотношение также можно рассматривать как прямую линию на графике log-log, поскольку приведенное выше уравнение равно log (P (k)) ~ —y • log (k). Одной из характеристик такого распределения является то, что существует много белков с небольшим количеством взаимодействий и несколько белков с множеством взаимодействий, причем последние называются «концентраторами».

Хабы [ править ]

Узлы с высокой степенью связи (белки) называются концентраторами. Han et al. [74] придумали термин « party hub » для концентраторов, выражение которых коррелирует с их партнерами по взаимодействию. Партийные хабы также соединяют белки внутри функциональных модулей, таких как белковые комплексы. Напротив, « датчики » не демонстрируют такой корреляции и, по-видимому, соединяют разные функциональные модули. Сторонние концентраторы обнаруживаются преимущественно в наборах данных AP / MS, тогда как концентраторы данных обнаруживаются преимущественно в бинарных картах сети интерактомов. [75] Обратите внимание, что правомерность различия даты и концентратора стороны оспаривается. [76] [77]Партийные хабы обычно состоят из мультиинтерфейсных белков, тогда как дата-хабы чаще являются интерфейсными белками единственного взаимодействия. [78] В соответствии с ролью дата-хабов в соединении различных процессов, у дрожжей количество бинарных взаимодействий данного белка коррелирует с количеством фенотипов, наблюдаемых для соответствующего мутантного гена в различных физиологических условиях. [75]

Модули [ править ]

Узлы, участвующие в одном и том же биохимическом процессе, сильно взаимосвязаны. [34]

Эволюция [ править ]

Эволюция сложности интерактомов описана в исследовании, опубликованном в журнале Nature . [79] В этом исследовании сначала отмечается, что границы между прокариотами , одноклеточными эукариотами и многоклеточными эукариотами сопровождаются уменьшением на порядки эффективного размера популяции с одновременным усилением эффектов случайного генетического дрейфа.. Результирующее снижение эффективности отбора кажется достаточным, чтобы влиять на широкий спектр атрибутов на геномном уровне неадаптивным образом. Исследование Nature показывает, что изменение силы случайного генетического дрейфа также способно влиять на филогенетическое разнообразие на субклеточном и клеточном уровнях. Таким образом, размер популяции следует рассматривать как потенциальную детерминанту механистических путей, лежащих в основе долгосрочной фенотипической эволюции. В исследовании также показано, что филогенетически широкая обратная связь существует между силой дрейфа и структурной целостностью белковых субъединиц. Таким образом, накопление умеренно вредных мутаций в популяциях небольшого размера индуцирует вторичный отбор на белок-белковые взаимодействия.которые стабилизируют ключевые функции генов, смягчая структурную деградацию, вызванную неэффективным отбором. Таким образом, сложные белковые структуры и взаимодействия, необходимые для генезиса фенотипического разнообразия, могут первоначально возникать благодаря неадаптивным механизмам.

Критика, вызовы и ответы [ править ]

Кимер и Чезарени [10] высказывают следующие опасения по поводу состояния поля (около 2007 г.), особенно в отношении сравнительного взаимодействия: экспериментальные процедуры, связанные с полем, подвержены ошибкам, приводящим к «зашумленным результатам». Это приводит к тому, что 30% всех зарегистрированных взаимодействий являются артефактами. Фактически, две группы, использующие одни и те же методы на одном и том же организме, обнаружили менее 30% общих взаимодействий. Однако некоторые авторы утверждают, что такая невоспроизводимость является результатом необычайной чувствительности различных методов к небольшим экспериментальным вариациям. Например, идентичные условия в анализах Y2H приводят к очень разным взаимодействиям при использовании разных векторов Y2H. [14]

Методы могут быть необъективными, т. Е. Метод определяет, какие взаимодействия обнаруживаются. Фактически, любой метод имеет предубеждения, особенно белковые методы. Поскольку каждый белок индивидуален, ни один метод не может уловить свойства каждого белка. Например, большинство аналитических методов, которые хорошо работают с растворимыми белками, плохо работают с мембранными белками. Это также верно для технологий Y2H и AP / MS.

Интерактомы еще не полностью завершены, за исключением, возможно, S. cerevisiae. На самом деле это не критика, поскольку любая научная область изначально является «неполной» до тех пор, пока методологии не будут улучшены. Интерактомика 2015 года - это то место, где секвенирование генома происходило в конце 1990-х, учитывая, что доступно лишь несколько наборов данных интерактома (см. Таблицу выше).

Хотя геномы стабильны, интерактомы могут различаться в зависимости от тканей, типов клеток и стадий развития. Опять же, это не критика, а, скорее, описание проблем в этой области.

Трудно сопоставить эволюционно родственные белки у отдаленно родственных видов. Хотя гомологичные последовательности ДНК можно найти относительно легко, гораздо сложнее предсказать гомологичные взаимодействия («интерологи»), потому что гомологам двух взаимодействующих белков не требуется взаимодействовать. Например, даже внутри протеома два белка могут взаимодействовать, а их паралоги - нет.

Каждый белок-белковый интерактом может представлять только частичную выборку потенциальных взаимодействий, даже если предположительно окончательная версия опубликована в научном журнале. Дополнительные факторы могут играть роль в белковых взаимодействиях, которые еще предстоит включить в интерактомы. Сила связывания различных белковых взаимодействующих элементов, факторы микроокружения, чувствительность к различным процедурам и физиологическое состояние клетки - все это влияет на межбелковые взаимодействия, но обычно не учитывается в исследованиях взаимодействия. [80]

См. Также [ править ]

  • Биоинформатика , Омика , Протеомика , Геномика
  • Биологические сети
  • BioPlex
  • Коннектом
  • Глоссарий теории графов
  • Человеческий интерактом
  • Сеть взаимодействия
  • Список тем омиков по биологии
  • Математическая биология
  • Метаболическая сеть
  • Моделирование метаболической сети
  • Метаболический путь
  • Сетевая медицина
  • Белковые взаимодействия
  • Системная биология

Ссылки [ править ]

  1. ^ Ван Л., Эфтехари П., Шахнер Д., Игнатова И.Д., Пальме В., Шильхер Н., Ладурнер А., Хейсс Э. Х., Штангл Х., Дирш В. М., Атанасов А. Г.. Новый подход к взаимодействию определяет ABCA1 как прямую мишень эводиамина, который увеличивает отток холестерина из макрофагов . Sci Rep.23 июля 2018; 8 (1): 11061. DOI: 10.1038 / s41598-018-29281-1 .
  2. ^ Алонсо-Лопес Д., Гутьеррес М. А., Лопес КП, Прието С., Сантамария Р., Де Лас Ривас Дж. (2016). «APID-интерактомы: обеспечение основанных на протеомах интерактомов с контролируемым качеством для множества видов и производных сетей» . Nucleic Acids Res . 44 (W529–35): W529–35. DOI : 10.1093 / NAR / gkw363 . PMC  4987915 . PMID  27131791 .
  3. ^ Hennah W, Porteous D (2009). Reif A (ред.). «Путь DISC1 модулирует экспрессию генов развития нервной системы, синаптогенного восприятия и сенсорного восприятия» . PLOS ONE . 4 (3): e4906. Bibcode : 2009PLoSO ... 4.4906H . DOI : 10.1371 / journal.pone.0004906 . PMC 2654149 . PMID 19300510 .  
  4. ^ Санчес C; Lachaize C; Janody F; и другие. (Январь 1999 г.). «Улавливание молекулярных взаимодействий и генетических сетей у Drosophila melanogaster с использованием FlyNets, базы данных в Интернете» . Nucleic Acids Res . 27 (1): 89–94. DOI : 10.1093 / NAR / 27.1.89 . PMC 148104 . PMID 9847149 .  
  5. ^ Шарма, Анкуш; Гаутам ВК; Costantini S; Паладино А; Colonna G (февраль 2012 г.). «Взаимодействие и фармакологические исследования человеческого Sirt-1» . Передний. Pharmacol . 3 : 40. DOI : 10.3389 / fphar.2012.00040 . PMC 3311038 . PMID 22470339 .  
  6. ^ Шарма, Анкуш; Costantini S; Colonna G (март 2013 г.). «Сеть белок-белкового взаимодействия семейства сиртуинов человека». Biochimica et Biophysica Acta (BBA) - Белки и протеомика . 1834 (10): 1998–2009. arXiv : 1302,6423 . Bibcode : 2013arXiv1302.6423S . DOI : 10.1016 / j.bbapap.2013.06.012 . PMID 23811471 . S2CID 15003130 .  
  7. ^ a b Uetz P. & Grigoriev A. (2005) Дрожжевой интерактом. In Jorde, LB, Little, PFR, Dunn, MJ и Subramaniam, S. (Eds), Encyclopedia of Genetics, Genomics, Proteomics and Bioinformatics. John Wiley & Sons Ltd: Чичестер, Том 5, стр. 2033-2051
  8. ^ Штумпф МП; Торн Т; de Silva E; и другие. (Май 2008 г.). «Оценка размера человеческого интерактома» . Proc. Natl. Акад. Sci. США . 105 (19): 6959–64. Bibcode : 2008PNAS..105.6959S . DOI : 10.1073 / pnas.0708078105 . PMC 2383957 . PMID 18474861 .  
  9. ^ Костанцо М; Барышникова А; Bellay J; и другие. (2010-01-22). «Генетический ландшафт клетки» . Наука . 327 (5964): 425–431. Bibcode : 2010Sci ... 327..425C . DOI : 10.1126 / science.1180823 . PMC 5600254 . PMID 20093466 .  
  10. ^ a b Kiemer, L; Г. Чезарени (2007). «Сравнительная интерактомика: сравнивать яблоки и груши?». Тенденции в биотехнологии . 25 (10): 448–454. DOI : 10.1016 / j.tibtech.2007.08.002 . PMID 17825444 . 
  11. ^ Бруггемана, FJ; HV Westerhoff (2006). «Природа системной биологии». Тенденции в микробиологии . 15 (1): 45–50. DOI : 10.1016 / j.tim.2006.11.003 . PMID 17113776 . 
  12. ^ Бреттнер, Леандра М .; Джоанна Масел (2012). «Липкость белка, а не количество функциональных белок-белковых взаимодействий, предсказывает шум экспрессии и пластичность дрожжей» . BMC Системная биология . 6 : 128. DOI : 10,1186 / 1752-0509-6-128 . PMC 3527306 . PMID 23017156 .  
  13. ^ Мукерджи, К; Слоусон; Кристманн; Гриффит (июнь 2014 г.). «Нейрон-специфические белковые взаимодействия Drosophila CASK-ß обнаружены с помощью масс-спектрометрии» . Передний. Мол. Neurosci . 7 : 58. DOI : 10,3389 / fnmol.2014.00058 . PMC 4075472 . PMID 25071438 .  
  14. ^ a b c Чен, YC; Раджагопала, SV; Stellberger, T .; Уэц, П. (2010). «Исчерпывающий сравнительный анализ дрожжевой двухгибридной системы». Природные методы . 7 (9): 667-668, автор 668 668. DOI : 10.1038 / nmeth0910-667 . PMID 20805792 . S2CID 35834541 .  
  15. ^ Раджагопала, SV; Hughes, KT; Уетц, П. (2009). «Тестирование двугибридных систем дрожжей с использованием взаимодействий белков подвижности бактерий» . Протеомика . 9 (23): 5296–5302. DOI : 10.1002 / pmic.200900282 . PMC 2818629 . PMID 19834901 .  
  16. ^ Yanay Ofran , Гай Yachdav , Eyal Мозес , Ta-Цэнь Сунг , Раджеш Наир & Буркхард Rost (июль 2006). «Создание и оценка белковых сетей с помощью молекулярных характеристик отдельных белков» . Биоинформатика . 22 (14): e402 – e407. DOI : 10.1093 / биоинформатики / btl258 . PMID 16873500 . CS1 maint: несколько имен: список авторов ( ссылка )
  17. ^ a b c Ganapathiraju MK, Thahir M, Handen A, Sarkar SN, Sweet RA, Nimgaonkar VL, Loscher CE, Bauer EM, Chaparala S (апрель 2016 г.). «Шизофрения взаимодействует с 504 новыми межбелковыми взаимодействиями» . NPJ Schizophrenia . 2 : 16012. дои : 10.1038 / npjschz.2016.12 . PMC 4898894 . PMID 27336055 .  
  18. Перейти ↑ Mika S, Rost B (2006). «Белковые взаимодействия более консервативны внутри видов, чем между видами» . PLOS Вычислительная биология . 2 (7): e79. Bibcode : 2006PLSCB ... 2 ... 79M . DOI : 10.1371 / journal.pcbi.0020079 . PMC 1513270 . PMID 16854211 .  
  19. ^ Хан, Y.-C .; и другие. (2016). «Прогнозирование и характеристика сети белок-белкового взаимодействия у Bacillus licheniformis WX-02» . Sci. Rep . 6 : 19486. Bibcode : 2016NatSR ... 619486H . DOI : 10.1038 / srep19486 . PMC 4726086 . PMID 26782814 .  
  20. ^ Kittichotirat Вт, Guerquin М, Бамгарнер RE, Samudrala R (2009). «Protinfo PPC: веб-сервер для предсказания белковых комплексов на атомарном уровне» . Исследования нуклеиновых кислот . 37 (выпуск веб-сервера): W519 – W525. DOI : 10.1093 / NAR / gkp306 . PMC 2703994 . PMID 19420059 .  
  21. ^ Тяги, М; Хашимото, К; Сапожник, BA; Wuchty, S; Панченко, А.Р. (март 2012 г.). «Крупномасштабное картирование белкового интерактома человека с использованием структурных комплексов» . EMBO Rep . 13 (3): 266–71. DOI : 10.1038 / embor.2011.261 . PMC 3296913 . PMID 22261719 .  
  22. ^ Макдермотт Дж, Guerquin М, Фрейзер Z, Чанг, Samudrala R (2005). «BIOVERSE: Улучшения структуры для структурных, функциональных и контекстных аннотаций белков и протеомов» . Исследования нуклеиновых кислот . 33 (выпуск веб-сервера): W324 – W325. DOI : 10.1093 / NAR / gki401 . PMC 1160162 . PMID 15980482 .  
  23. ^ Сапожник, BA; Zhang, D; Тяги, М; Тангуду, Р.Р .; Фонг, JH; Марчлер-Бауэр, А; Брайант, SH; Madej, T; Панченко, А.Р. (янв 2012). «IBIS (сервер предполагаемых биомолекулярных взаимодействий) сообщает, предсказывает и интегрирует несколько типов консервативных взаимодействий для белков» . Nucleic Acids Res . 40 (выпуск базы данных): D834–40. DOI : 10.1093 / NAR / gkr997 . PMC 3245142 . PMID 22102591 .   Хопф Т.А., Шерфе С.П., Родригес Дж.П., Грин А.Г., Кольбахер О., Сандер С., Бонвин А.М., Маркс Д.С. (2014). «Совместная эволюция последовательностей дает трехмерные контакты и структуры белковых комплексов» . eLife . 3 : e03430. arXiv : 1405.0929 . Bibcode : 2014arXiv1405.0929H . DOI : 10.7554 / eLife.03430 . PMC  4360534 . PMID  25255213 .
  24. ^ Котляр М, Пастрелло С, Пиветта Ф, Ло Сардо А, Кумба С, Ли Х, Наранян Т, Ниу И, Динг З, Вафаи Ф, Броакес-Картер Ф, Петшниг Дж, Миллс Г.Б., Юрисикова А, Стэглир I, Маэстро Р, Юрисица I (2015). "In silico предсказание физических взаимодействий белков и характеристика сирот интерактома". Природные методы . 12 (1): 79–84. DOI : 10.1038 / nmeth.3178 . PMID 25402006 . S2CID 5287489 .  Хэмп Т, Рост Б (2015). «Эволюционные профили улучшают предсказание белок-белкового взаимодействия по последовательности» . Биоинформатика . 31 (12): 1945–1950. DOI : 10.1093 / биоинформатики / btv077 . PMID  25657331 .Питре С., Хушьяр М., Шенрок А., Саманфар Б., Джессулат М., Грин Дж. Р., Дене Ф., Гольшани А. (2012). «Короткие совместно встречающиеся полипептидные области могут предсказать глобальные карты взаимодействия белков» . Научные отчеты . 2 : 239. Bibcode : 2012NatSR ... 2E.239P . DOI : 10.1038 / srep00239 . PMC  3269044 . PMID  22355752 .Питре С., Хушьяр М., Шенрок А., Саманфар Б., Джессулат М., Грин Дж. Р., Дене Ф., Гольшани А. (2012). «Короткие сопутствующие полипептидные области могут предсказывать глобальные карты взаимодействия белков» . Научные отчеты . 2 : 239. Bibcode : 2012NatSR ... 2E.239P . DOI : 10.1038 / srep00239 . PMC  3269044 . PMID  22355752 .
  25. ↑ a b Qi Y, Dhiman HK, Bhola N, Budyak I, Kar S, Man D, Dutta A, Tirupula K, Carr BI, Grandis J, Bar-Joseph Z, Klein-Seetharaman J (декабрь 2009 г.). «Систематическое предсказание взаимодействий мембранных рецепторов человека» . Протеомика . 9 (23): 5243–55. DOI : 10.1002 / pmic.200900259 . PMC 3076061 . PMID 19798668 .  
  26. ↑ Qi Y, Bar-Joseph Z, Klein-Seetharaman J (май 2006 г.). «Оценка различных биологических данных и методов вычислительной классификации для использования в предсказании взаимодействия белков» . Белки . 63 (3): 490–500. DOI : 10.1002 / prot.20865 . PMC 3250929 . PMID 16450363 .  
  27. ^ Hoffmann, R; Krallinger, M; Андрес, Э; Tamames, J; Blaschke, C; Валенсия, А (2005). «Анализ текста для метаболических путей, сигнальных каскадов и белковых сетей». Научная сигнализация . 2005 (283): pe21. DOI : 10.1126 / stke.2832005pe21 . PMID 15886388 . S2CID 15301069 .  
  28. ^ a b c Schwikowski, B .; Uetz, P .; Филдс, С. (2000). «Сеть белок-белковых взаимодействий в дрожжах». Природа Биотехнологии . 18 (12): 1257–1261. DOI : 10.1038 / 82360 . PMID 11101803 . S2CID 3009359 .  
  29. ^ Макдермотт Дж, Бамгарнер RE, Samudrala R (2005). «Функциональная аннотация из предсказанных сетей взаимодействия белков» . Биоинформатика . 21 (15): 3217–3226. DOI : 10.1093 / биоинформатики / bti514 . PMID 15919725 . 
  30. ^ Раджагопала, SV; Sikorski, P .; Кауфилд, JH; Товчигречко, А .; Уэц, П. (2012). «Изучение белковых комплексов по двугибридной системе дрожжей» . Методы . 58 (4): 392–399. DOI : 10.1016 / j.ymeth.2012.07.015 . PMC 3517932 . PMID 22841565 .  
  31. ^ Desler С, Zambach С, Р Suravajhala, Расмуссен LJ (2014). «Введение в гипотому: способ интегрировать предсказанные белки в интерактомы». Международный журнал исследований и приложений в области биоинформатики . 10 (6): 647–52. DOI : 10.1504 / IJBRA.2014.065247 . PMID 25335568 . 
  32. ^ Бараб, А. -Л .; Олтвай, З. (2004). «Сетевая биология: понимание функциональной организации клетки». Природа Обзоры Генетики . 5 (2): 101–113. DOI : 10.1038 / nrg1272 . PMID 14735121 . S2CID 10950726 .  
  33. ^ Goh, K. -I .; Цой, И. -Г. (2012). «Изучение болезни человека: сеть болезней человека» . Брифинги по функциональной геномике . 11 (6): 533–542. DOI : 10.1093 / bfgp / els032 . PMID 23063808 . 
  34. ^ а б Барабаши, AL; Gulbahce, N; Лоскальцо, Дж (2011). «Сетевая медицина: сетевой подход к болезням человека» . Природа Обзоры Генетики . 12 (1): 56–68. DOI : 10.1038 / nrg2918 . PMC 3140052 . PMID 21164525 .  
  35. ^ Элберт Ласло Барабаси и Золтан Н. Oltvai (февраль 2004). «Сетевая биология: понимание функциональной организации клетки». Обзоры природы. Генетика . 5 (2): 101–113. DOI : 10.1038 / nrg1272 . PMID 14735121 . S2CID 10950726 .  
  36. ^ Gao, L .; Вс, PG; Сонг, Дж. (2009). «Алгоритмы кластеризации для обнаружения функциональных модулей в сетях взаимодействия белков». Журнал биоинформатики и компьютерной биологии . 7 (1): 217–242. DOI : 10.1142 / S0219720009004023 . PMID 19226668 . 
  37. ^ Навратил В .; и другие. (2009). «VirHostNet: база знаний для управления и анализа протеомных сетей взаимодействия вируса с хостом» . Nucleic Acids Res . 37 (выпуск базы данных): D661–8. DOI : 10.1093 / NAR / gkn794 . PMC 2686459 . PMID 18984613 .  
  38. ^ Rajagopala SV .; и другие. (2011). «Карта взаимодействия белков бактериофага лямбда» . BMC Microbiol . 11 : 213. DOI : 10,1186 / 1471-2180-11-213 . PMC 3224144 . PMID 21943085 .  
  39. ^ Бартель PL, Roecklein JA, СЕНГУПТ D, Поля S (1996). «Карта белковых связей бактериофага Escherichia coli T7». Nat. Genet . 12 (1): 72–7. DOI : 10.1038 / ng0196-72 . PMID 8528255 . S2CID 37155819 .  
  40. ^ Сабри М .; и другие. (2011). «Аннотации генома и внутривирусное взаимодействие вирулентного фага Dp-1 Streptococcus pneumoniae » . J. Bacteriol . 193 (2): 551–62. DOI : 10.1128 / JB.01117-10 . PMC 3019816 . PMID 21097633 .  
  41. ^ Häuser R .; и другие. (2011). «Протеом и интерактом фага Streptococcus pneumoniae Cp-1» . J. Bacteriol . 193 (12): 3135–8. DOI : 10.1128 / JB.01481-10 . PMC 3133188 . PMID 21515781 .  
  42. ^ Stellberger, T .; и другие. (2010). «Улучшение дрожжевой двугибридной системы с помощью пермутированных слитых белков: интерактивный вирус Varicella Zoster» . Proteome Sci . 8 : 8. DOI : 10,1186 / 1477-5956-8-8 . PMC 2832230 . PMID 20205919 .  
  43. ^ Кумар, К .; Rana, J .; Sreejith, R .; Gabrani, R .; Шарма, СК; Gupta, A .; Чаудхари, ВК; Гупта, С. (2012). «Внутривирусные белковые взаимодействия вируса Чандипура». Архив вирусологии . 157 (10): 1949–1957. DOI : 10.1007 / s00705-012-1389-5 . PMID 22763614 . S2CID 17714252 .  
  44. ^ a b c d Fossum, E; и другие. (2009). Солнце, Рен (ред.). «Эволюционно консервативные сети взаимодействия герпесвирусных белков» . PLOS Pathog . 5 (9): e1000570. DOI : 10.1371 / journal.ppat.1000570 . PMC 2731838 . PMID 19730696 .  
  45. ^ Хаген, N; Байер, К; Roesch, K; Шиндлер, М (2014). «Внутривирусная сеть взаимодействия белков вируса гепатита С» . Молекулярная и клеточная протеомика . 13 (7): 1676–89. DOI : 10.1074 / mcp.M113.036301 . PMC 4083108 . PMID 24797426 .  
  46. ^ Хан, Y; Ниу, Дж; Wang, D; Ли, Y (2016). "Сетевой анализ взаимодействия белков вируса гепатита С на основе гепатоцеллюлярной карциномы" . PLOS ONE . 11 (4): e0153882. Bibcode : 2016PLoSO..1153882H . DOI : 10.1371 / journal.pone.0153882 . PMC 4846009 . PMID 27115606 .  
  47. ^ Остерман А, Stellberger Т, Джебхардт А, М Kurz, Фриделя CC, Uetz Р, Nitschko Н, Baiker А, Vizoso-Pinto MG (2015). «Интравирусный интерактом вируса гепатита Е» . Sci Rep . 5 : 13872. Bibcode : 2015NatSR ... 513872O . DOI : 10.1038 / srep13872 . PMC 4604457 . PMID 26463011 .  
  48. ^ Дождь, JC; Селиг, Л .; De Reuse, H .; Battaglia, VR; Реверди, CL; Саймон, ИП; Lenzen, G .; Петель, Ф .; Войчик, JRM; Schächter, V .; Chemama, Y .; Labigne, AS; Легрен, П. (2001). «Карта белок-белкового взаимодействия Helicobacter pylori». Природа . 409 (6817): 211–215. Bibcode : 2001Natur.409..211R . DOI : 10.1038 / 35051615 . PMID 11196647 . S2CID 4400094 .  
  49. ^ Häuser, R; Ceol, A; Раджагопала, SV; Моска, Р; Siszler, G; Wermke, N; Сикорский, П; Schwarz, F; Шик, М; Wuchty, S; Aloy, P; Uetz, P (2014). "Сеть белок-белкового взаимодействия второго поколения Helicobacter pylori" . Молекулярная и клеточная протеомика . 13 (5): 1318–29. DOI : 10.1074 / mcp.O113.033571 . PMC 4014287 . PMID 24627523 .  
  50. ^ Пэрриш, младший; и другие. (2007). «Карта взаимодействия белков для всего протеома Campylobacter jejuni» . Genome Biol . 8 (7): R130. DOI : 10.1186 / GB-2007-8-7-R130 . PMC 2323224 . PMID 17615063 .  
  51. ^ а б Раджагопала, SV; Titz, BR; Goll, J .; Häuser, R .; McKevitt, MT; Palzkill, T .; Уэц, П. (2008). Холл, Нил (ред.). "Бинарный белковый интерактом Treponema pallidum - сифилис спирохет" . PLOS ONE . 3 (5): e2292. Bibcode : 2008PLoSO ... 3.2292T . DOI : 10.1371 / journal.pone.0002292 . PMC 2386257 . PMID 18509523 .  
  52. ^ Ху, П; и другие. (2009). Левченко, Андре (ред.). «Глобальный функциональный атлас Escherichia coli, включающий ранее не охарактеризованные белки» . PLOS Biol . 7 (4): e96. DOI : 10.1371 / journal.pbio.1000096 . PMC 2672614 . PMID 19402753 .  
  53. ^ Раджагопала, SV; Сикорский, П; Кумар, А; Моска, Р; Власблом, Дж; Арнольд, Р. Franca-Koh, J; Пакала, SB; Phanse, S; Ceol, A; Häuser, R; Siszler, G; Wuchty, S; Эмили, А; Бабу, М; Aloy, P; Pieper, R; Uetz, P (2014). «Бинарный пейзаж белок-белкового взаимодействия Escherichia coli» . Природа Биотехнологии . 32 (3): 285–90. DOI : 10.1038 / nbt.2831 . PMC 4123855 . PMID 24561554 .  
  54. ^ Шимода, Й .; Shinpo, S .; Kohara, M .; Nakamura, Y .; Табата, S .; Сато, С. (2008). «Крупномасштабный анализ белок-белковых взаимодействий в азотфиксирующей бактерии Mesorhizobium loti» . Исследования ДНК . 15 (1): 13–23. DOI : 10,1093 / dnares / dsm028 . PMC 2650630 . PMID 18192278 .  
  55. ^ Wang, Y .; Cui, T .; Zhang, C .; Ян, М .; Huang, Y .; Li, W .; Zhang, L .; Gao, C .; Привет.; Li, Y .; Хуанг, Ф .; Zeng, J .; Хуанг, С .; Ян, Q .; Tian, ​​Y .; Zhao, C .; Chen, H .; Zhang, H .; Он, З.Г. (2010). «Глобальная сеть белок-белкового взаимодействия в человеческом патогене Mycobacterium tuberculosisH37Rv». Журнал протеомных исследований . 9 (12): 6665–6677. DOI : 10.1021 / pr100808n . PMID 20973567 . 
  56. ^ Kuhner, S .; Ван Ноорт, В .; Беттс, MJ; Leo-Macias, A .; Batisse, C .; Роде, М .; Yamada, T .; Maier, T .; Bader, S .; Beltran-Alvarez, P .; Castaño-Diez, D .; Chen, W. -H .; Devos, D .; Güell, M .; Norambuena, T .; Racke, I .; Рыбин, В .; Schmidt, A .; Yus, E .; Aebersold, R .; Herrmann, R .; Böttcher, B .; Frangakis, AS; Рассел, РБ; Serrano, L .; Bork, P .; Гэвин, А.-С. (2009). «Протеомная организация в бактериях с уменьшенным геномом». Наука . 326 (5957): 1235–1240. Bibcode : 2009Sci ... 326.1235K . DOI : 10.1126 / science.1176343 . PMID 19965468 . S2CID 19334426 .  
  57. ^ Sato, S .; Shimoda, Y .; Мураки, А .; Kohara, M .; Nakamura, Y .; Табата, С. (2007). «Крупномасштабный анализ взаимодействия белков и белков у Synechocystis sp. PCC6803» . Исследования ДНК . 14 (5): 207–216. DOI : 10,1093 / dnares / dsm021 . PMC 2779905 . PMID 18000013 .  
  58. ^ Черкасов, А; Hsing, M; Зораги, Р. Фостер, ЖЖ; Смотрите, RH; Стойнов, Н; Цзян, Дж; Каур, S; Лиан, Т; Джексон, L; Гонг, H; Суэйзи, Р. Амандорон, Э; Хормоздиари, Ф; Дао, П; Сахиналп, С; Сантос-Филью, О; Axerio-Cilies, P; Байлер, К; Макмастер, WR; Brunham, RC; Финли, BB; Райнер, NE (2011). «Картирование сети взаимодействия белков в метициллин-устойчивом золотистом стафилококке». Журнал протеомных исследований . 10 (3): 1139–50. DOI : 10.1021 / pr100918u . PMID 21166474 . 
  59. ^ Uetz, P .; Giot, L .; Cagney, G .; Mansfield, TA; Джадсон, РС; Knight, JR; Локшон, Д .; Нараян, В. (2000). «Комплексный анализ белок-белковых взаимодействий у Saccharomyces cerevisiae». Природа . 403 (6770): 623–627. Bibcode : 2000Natur.403..623U . DOI : 10.1038 / 35001009 . PMID 10688190 . S2CID 4352495 .  
  60. ^ Кроган, Нью-Джерси; и другие. (2006). «Глобальный ландшафт белковых комплексов дрожжей Saccharomyeses Cerivisiae ». Природа . 440 (7084): 637–643. Bibcode : 2006Natur.440..637K . DOI : 10,1038 / природа04670 . PMID 16554755 . S2CID 72422 .  
  61. ^ Панкальди В, Sarac ОС, Раллис С, McLean JR, Převorovský М, Гулд К, Бейер А, Bähler J (2012). «Прогнозирование сети взаимодействия белков делящихся дрожжей» . G3: Гены, геномы, генетика . 2 (4): 453–67. DOI : 10,1534 / g3.111.001560 . PMC 3337474 . PMID 22540037 .  
  62. ^ Во, ТВ; и другие. (2016). «Общедоступный протеомный интерактом деления дрожжей раскрывает принципы эволюции сети от дрожжей до человека» . Cell . 164 (1–2): 310–323. DOI : 10.1016 / j.cell.2015.11.037 . PMC 4715267 . PMID 26771498 .  
  63. ^ де Chassey B; Навратил В; Tafforeau L; и другие. (2008-11-04). «Белковая сеть вирусной инфекции гепатита С» . Молекулярная системная биология . 4 (4): 230. DOI : 10.1038 / msb.2008.66 . PMC 2600670 . PMID 18985028 .  
  64. ^ Навратил V; де Часси Б; и другие. (2010-11-05). «Сравнение на системном уровне белок-белковых взаимодействий между вирусами и системной сетью интерферона человека I типа». Журнал протеомных исследований . 9 (7): 3527–36. DOI : 10.1021 / pr100326j . PMID 20459142 . 
  65. ^ Коричневый KR, Jurisica I (2005). «Онлайн-база данных предсказанного человеческого взаимодействия» . Биоинформатика . 21 (9): 2076–82. DOI : 10.1093 / биоинформатики / bti273 . PMID 15657099 . 
  66. Перейти ↑ Gu H, Zhu P, Jiao Y, Meng Y, Chen M (2011). «PRIN: предсказанная рисовая интерактивная сеть» . BMC Bioinformatics . 12 : 161. DOI : 10,1186 / 1471-2105-12-161 . PMC 3118165 . PMID 21575196 .  
  67. Перейти ↑ Guo J, Li H, Chang JW, Lei Y, Li S, Chen LL (2013). «Прогнозирование и характеристика сети белок-белкового взаимодействия в Xanthomonas oryzae pv. Oryzae PXO99 A». Res. Microbiol . 164 (10): 1035–44. DOI : 10.1016 / j.resmic.2013.09.001 . PMID 24113387 . 
  68. ^ Гейслер-Ли Дж, О'Тул Н, Р Аммар, штат Нью - Джерси Provart, Миллар АГ, Гейслер М (2007). «Прогнозируемый интерактом для Arabidopsis» . Plant Physiol . 145 (2): 317–29. DOI : 10.1104 / pp.107.103465 . PMC 2048726 . PMID 17675552 .  
  69. ^ Юэ, Цзюньянь; Сюй, Вэй; Пан, Ронгджун; Хуанг, Шэнсюн; Мяо, Мин; Тан, Сяофэн; Лю, Гоцин; Лю, Юншэн (01.01.2016). "PTIR: прогнозируемый ресурс взаимодействия томатов" . Научные отчеты . 6 : 25047. Bibcode : 2016NatSR ... 625047Y . DOI : 10.1038 / srep25047 . ISSN 2045-2322 . PMC 4848565 . PMID 27121261 .   
  70. ^ Ян, Цзяньхуа; Осман, Ким; Икбал, Мудассар; Stekel, Dov J .; Луо, Зевей; Армстронг, Сьюзан Дж .; Франклин, Ф. Крис Х. (01.01.2012). «Выведение Interactome Brassica rapa с использованием данных белок-белкового взаимодействия из Arabidopsis thaliana» . Границы науки о растениях . 3 : 297. DOI : 10.3389 / fpls.2012.00297 . ISSN 1664-462X . PMC 3537189 . PMID 23293649 .   
  71. ^ Чжу, Гуанхуэй; Ву, Айбо; Сюй, Синь-Цзянь; Сяо, Пей-Пей; Лу, Ле; Лю, Цзиндун; Цао, Юнвэй; Чен, Луонань; Ву, июнь (2016-02-01). "PPIM: База данных белок-белкового взаимодействия для кукурузы" . Физиология растений . 170 (2): 618–626. DOI : 10.1104 / pp.15.01821 . ISSN 1532-2548 . PMC 4734591 . PMID 26620522 .   
  72. ↑ Роджерс-Мелник, Эли; Калп, Марк; ДиФазио, Стивен П. (1 января 2013 г.). «Прогнозирование сетей взаимодействия белков всего генома на основе данных первичной последовательности в модельных и немодельных организмах с использованием ENTS» . BMC Genomics . 14 : 608. DOI : 10.1186 / 1471-2164-14-608 . ISSN 1471-2164 . PMC 3848842 . PMID 24015873 .   
  73. ^ a b Guzzi PH, Mercatelli D, Ceraolo C, Giorgi FM (2020). "Анализ главного регулятора взаимодействия SARS-CoV-2 / человека" . Журнал клинической медицины . 9 (4): 982–988. DOI : 10,3390 / jcm9040982 . PMC 7230814 . PMID 32244779 .  
  74. ^ Хан, JD; Бертин, Н; Хао, Т; Goldberg, DS; Berriz, GF; Zhang, LV; Dupuy, D; Walhout, AJ; Cusick, ME; Roth, FP; Видаль, М (2004). «Доказательства динамически организованной модульности в дрожжевой сети взаимодействия белок-белок». Природа . 430 (6995): 88–93. Bibcode : 2004Natur.430 ... 88H . DOI : 10,1038 / природа02555 . PMID 15190252 . S2CID 4426721 .  
  75. ^ а б Ю, Н; Браун, П; Йилдирим, Массачусетс; Лемменс, I; Венкатесан, К; Сахали, Дж; Hirozane-Kishikawa, T; Гебреаб, Ф; Ли, Н; Simonis, N; Хао, Т; Руал, JF; Дрико, А; Васкес, А; Мюррей, Р.Р .; Саймон, C; Тардиво, Л; Там, S; Сврзикапа, Н; Вентилятор, C; De Smet, AS; Мотыль, А; Хадсон, Мэн; Парк, Дж; Синь, Х; Cusick, ME; Мур, Т; Бун, C; Снайдер, М; Рот, ФП (2008). «Качественная бинарная карта взаимодействия белков сети взаимодействия дрожжей» . Наука . 322 (5898): 104–10. Bibcode : 2008Sci ... 322..104Y . DOI : 10.1126 / science.1158684 . PMC 2746753 . PMID 18719252  .
  76. ^ Batada, NN; Reguly, T; Breitkreutz, A; Буше, L; Breitkreutz, BJ; Hurst, LD; Тайерс, М (2006). «Слоистые не высококучевые: новый взгляд на сеть взаимодействия дрожжевых белков» . PLOS Биология . 4 (10): e317. DOI : 10.1371 / journal.pbio.0040317 . PMC 1569888 . PMID 16984220 .  
  77. ^ Бертин, N; Simonis, N; Dupuy, D; Cusick, ME; Han, JD; Фрейзер, HB; Roth, FP; Видаль, М (2007). «Подтверждение организованной модульности дрожжевого интерактома» . PLOS Биология . 5 (6): e153. DOI : 10.1371 / journal.pbio.0050153 . PMC 1892830 . PMID 17564493 .  
  78. ^ Ким, PM; Лу, LJ; Ся, Y; Герштейн, МБ (2006). «Связь трехмерных структур с белковыми сетями обеспечивает понимание эволюции». Наука . 314 (5807): 1938–41. Bibcode : 2006Sci ... 314.1938K . DOI : 10.1126 / science.1136174 . PMID 17185604 . S2CID 2489619 .  
  79. ^ Фернандес, А; М. Линч (2011). «Неадаптивные причины сложности интерактома» . Природа . 474 (7352): 502–505. DOI : 10,1038 / природа09992 . PMC 3121905 . PMID 21593762 .  
  80. ↑ Уэлч, Дж. Рики (январь 2009 г.). «Нечеткий» интерактом ». Направления биохимических наук . 34 (1): 1-2. DOI : 10.1016 / j.tibs.2008.10.007 . PMID 19028099 . 

Дальнейшее чтение [ править ]

  • Де Лас Ривас Дж, Фонтанильо С. (июнь 2010 г.). Льюиттер Ф (ред.). «Основы белок-белковых взаимодействий: ключевые концепции построения и анализа сетей Interactome» . PLOS Вычислительная биология . 6 (6): e1000807. Bibcode : 2010PLSCB ... 6E0807D . DOI : 10.1371 / journal.pcbi.1000807 . PMC  2891586 . PMID  20589078 . .
  • Park J, Lappe M, Teichmann SA (март 2001 г.). «Картирование взаимодействий семейства белков: внутримолекулярные и межмолекулярные взаимодействия семейства белков в PDB и дрожжах». J Mol Biol . 307 (3): 929–38. DOI : 10.1006 / jmbi.2001.4526 . PMID  11273711 .

Внешние ссылки [ править ]

Веб-серверы Interactome [ править ]

  • Protinfo PPC предсказывает атомную трехмерную структуру белковых комплексов. Киттихотират В., Геркин М., Бумгарнер Р., Самудрала Р. (2009). «Protinfo PPC: веб-сервер для предсказания белковых комплексов на атомарном уровне» . Исследования нуклеиновых кислот . 37 (выпуск веб-сервера): W519 – W525. DOI : 10.1093 / NAR / gkp306 . PMC 2703994 . PMID 19420059 .  
  • IBIS (сервер) сообщает, предсказывает и интегрирует несколько типов консервативных взаимодействий для белков.

Инструменты визуализации Interactome [ править ]

  • Веб-визуализация данных о взаимодействии белков с помощью GPS-Prot
  • PINV - Визуализатор сети взаимодействия с белками

Базы данных Interactome [ править ]

  • База данных BioGRID
  • Мента интерактивный браузер Calderone; и другие. (2013). «Мента: ресурс для просмотра интегрированных сетей взаимодействия белков» . Природные методы . 10 (8): 690–691. DOI : 10.1038 / nmeth.2561 . PMID 23900247 . S2CID 9733108 .  
  • IntAct: База данных молекулярных взаимодействий
  • Interactome.org - специальный интерактивный веб-сайт.
  • APID Agile Protein Interactomes Dataserver [1]
  1. ^ Алонсо-Лопес, Диего; Gutiérrez, Miguel A .; Лопес, Катя П .; Прието, Карлос; Сантамария, Родриго; Де Лас Ривас, Хавьер (30 апреля 2016 г.). «APID-интерактомы: обеспечение основанных на протеомах интерактомов с контролируемым качеством для множества видов и производных сетей» . Исследования нуклеиновых кислот . 44 (W1): W529–35. DOI : 10.1093 / NAR / gkw363 . ISSN 0305-1048 . PMC 4987915 . PMID 27131791 .