Белковые взаимодействия ( PPI ) - это физические контакты с высокой специфичностью, устанавливаемые между двумя или более белковыми молекулами в результате биохимических событий, управляемых взаимодействиями, которые включают электростатические силы , водородные связи и гидрофобный эффект . Многие из них представляют собой физические контакты с молекулярными ассоциациями между цепями, которые возникают в клетке или в живом организме в конкретном биомолекулярном контексте. [1]
Белки редко действуют в одиночку, поскольку их функции обычно регулируются. Многие молекулярные процессы внутри клетки выполняются молекулярными машинами , которые построены из множества белковых компонентов, организованных их ИПП. Эти физиологические взаимодействия составляют так называемую интерактомику организма, в то время как аберрантные ИПП являются основой множества заболеваний, связанных с агрегацией, таких как болезнь Крейтцфельда – Якоба и болезнь Альцгеймера .
ИПП изучались многими методами и с разных точек зрения: биохимия , квантовая химия , молекулярная динамика , преобразование сигналов и другие. [2] [3] Вся эта информация позволяет создавать большие сети взаимодействия белков [4] - аналогичные метаболическим или генетическим / эпигенетическим сетям - которые расширяют возможности современных знаний о биохимических каскадах и молекулярной этиологии заболеваний, а также открывают предполагаемые белковые мишени, представляющие терапевтический интерес.
Примеры
Белки электронного переноса
Во многих метаболических реакциях белок, который действует как переносчик электронов, связывается с ферментом, который действует на его редуктазу . Получив электрон, он диссоциирует, а затем связывается со следующим ферментом, который действует на его оксидазу (т.е. акцептором электрона). Эти взаимодействия между белками зависят от высокоспецифичного связывания между белками для обеспечения эффективного переноса электронов. Примеры: компоненты системы митохондриальной цепи окислительного фосфорилирования: цитохром с-редуктаза / цитохром с / цитохром с оксидаза; микросомальные и митохондриальные системы P450. [5]
В случае митохондриальных систем P450 специфические остатки, участвующие в связывании белка переноса электронов адренодоксина с его редуктазой, были идентифицированы как два основных остатка Arg на поверхности редуктазы и два кислых остатка Asp на адренодоксине. [6] Более поздняя работа по филогении редуктазы показала, что эти остатки, участвующие в межбелковых взаимодействиях, сохранялись на протяжении всей эволюции этого фермента. [7]
Передача сигнала
Активность клетки регулируется внеклеточными сигналами. Распространение сигнала внутри и / или внутри клеток зависит от PPI между различными сигнальными молекулами. Включение сигнальных путей через ИПП называется сигнальной трансдукцией и играет фундаментальную роль во многих биологических процессах и при многих заболеваниях, включая болезнь Паркинсона и рак.
Мембранный транспорт
Белок может нести другой белок (например, из цитоплазмы в ядро или наоборот в случае импортинов ядерных пор ). [ необходима цитата ]
Клеточный метаболизм
Во многих процессах биосинтеза ферменты взаимодействуют друг с другом с образованием небольших соединений или других макромолекул. [ необходима цитата ]
Сокращение мышц
Физиология сокращения мышц включает несколько взаимодействий. Филаменты миозина действуют как молекулярные двигатели и, связываясь с актином, позволяют филаментам скользить. [8] Кроме того, члены семейства белков, связанных с липидными каплями скелетных мышц, связываются с другими белками в качестве активатора триглицерид липазы жировой ткани и ее коактиватора сравнительного гена идентификации-58 для регулирования липолиза в скелетных мышцах.
Типы
Для описания типов белок-белковых взаимодействий (PPI) важно учитывать, что белки могут взаимодействовать «временным» образом (производить некоторый специфический эффект за короткое время, например, передача сигнала) или взаимодействовать с другими белками в «стабильный» способ формирования комплексов, которые становятся молекулярными машинами в живых системах. Сборка белкового комплекса может привести к образованию гомоолигомерных или гетероолигомерных комплексов . Помимо обычных комплексов, таких как фермент-ингибитор и антитело-антиген, взаимодействия также могут быть установлены между доменом-доменом и домен-пептидом. Еще одним важным отличием для идентификации взаимодействий белок-белок является способ их определения, поскольку существуют методы измерения прямых физических взаимодействий между парами белков, называемые «бинарными» методами, тогда как существуют другие методы измерения физических взаимодействий между группами белков, без попарного определения белков-партнеров, названных «ко-комплексными» методами. [1]
Гомоолигомеры против гетероолигомеров
Гомоолигомеры представляют собой макромолекулярные комплексы, состоящие только из одного типа белковой субъединицы . Сборка белковых субъединиц регулируется установлением нековалентных взаимодействий в четвертичной структуре белка. Разрушение гомоолигомеров с целью возврата к исходным индивидуальным мономерам часто требует денатурации комплекса. [9] Некоторые ферменты , белки-носители , каркасные белки и факторы регуляции транскрипции выполняют свои функции как гомоолигомеры. Отдельные белковые субъединицы взаимодействуют в гетероолигомеры, которые необходимы для контроля нескольких клеточных функций. Важность связи между гетерологичными белками еще более очевидна во время событий передачи сигналов в клетке, и такие взаимодействия возможны только благодаря структурным доменам внутри белков (как описано ниже).
Стабильные взаимодействия против временных взаимодействий
Стабильные взаимодействия включают белки, которые взаимодействуют в течение длительного времени, принимая участие в постоянных комплексах в качестве субъединиц, чтобы выполнять функциональные роли. Обычно это гомоолигомеры (например, цитохром с ) и некоторые гетероолигомерные белки как субъединицы АТФазы . С другой стороны, белок может взаимодействовать кратко и в обратимой образом с другими белками в только определенных клеточных контекстах - типа клеток , стадии клеточного цикла , внешние факторы, наличие других связывающих белков и т.д. - как это происходит с большинством из белки, участвующие в биохимических каскадах . Это называется временными взаимодействиями. Например, некоторые рецепторы, связанные с G-белком, только временно связываются с белками G i / o, когда они активируются внеклеточными лигандами [10], в то время как некоторые рецепторы, связанные с G q , такие как мускариновый рецептор M3, предварительно связываются с белками G q. до связывания рецептор-лиганд. [11] Взаимодействия между внутренне неупорядоченными областями белка и глобулярными доменами белка (то есть MoRF ) являются временными взаимодействиями. [12]
Ковалентные против нековалентных
Ковалентные взаимодействия имеют наиболее сильную ассоциацию и образуются за счет дисульфидных связей или обмена электронами . Хотя эти взаимодействия редки, они являются определяющими в некоторых посттрансляционных модификациях , таких как убиквитинирование и SUMOylation . Нековалентные связи обычно устанавливаются во время переходных взаимодействий за счет комбинации более слабых связей, таких как водородные связи , ионные взаимодействия, силы Ван-дер-Ваальса или гидрофобные связи. [13]
Роль воды
Молекулы воды играют важную роль во взаимодействиях между белками. [14] [15] Кристаллические структуры комплексов, полученные с высоким разрешением из различных, но гомологичных белков, показали, что некоторые межфазные молекулы воды сохраняются между гомологичными комплексами. Большинство молекул воды на границе раздела образуют водородные связи с обоими партнерами каждого комплекса. Некоторые интерфейсные аминокислотные остатки или атомные группы одного белкового партнера участвуют как в прямых, так и опосредованных водой взаимодействиях с другим белком-партнером. Вдвойне непрямые взаимодействия, опосредованные двумя молекулами воды, более многочисленны в гомологичных комплексах с низким сродством. [16] Тщательно проведенные эксперименты по мутагенезу, например, изменение остатка тирозина на фенилаланин, показали, что опосредованные водой взаимодействия могут вносить вклад в энергию взаимодействия. [17] Таким образом, молекулы воды могут способствовать взаимодействию и перекрестному распознаванию между белками.
Состав
Эти молекулярные структуры многих белковых комплексов были разблокированы по методике рентгеновской кристаллографии . [18] [19] Первая структура должна быть решена с помощью этого метода было то , что спермы кита миоглобина от сэра Джона Каудери Кендрю . [20] В этом методе углы и интенсивности пучка рентгеновских лучей, дифрагированного кристаллическими атомами, регистрируются на пленке, таким образом создавая трехмерную картину плотности электронов внутри кристалла. [21]
Позже ядерный магнитный резонанс также начал применяться с целью раскрытия молекулярной структуры белковых комплексов. Одним из первых примеров была структура кальмодулин-связывающих доменов, связанных с кальмодулином . [19] [22] Этот метод основан на изучении магнитных свойств атомных ядер, таким образом определяя физические и химические свойства соответствующих атомов или молекул. Ядерный магнитный резонанс полезен для характеристики слабых ИЦП. [23]
Домены
Белки содержат структурные домены, которые позволяют им взаимодействовать и связываться со специфическими последовательностями других белков:
- Src гомология 2 (SH2) домен
- Домены SH2 структурно состоят из трехцепочечного скрученного бета-листа, окруженного двумя альфа-спиралями. Наличие глубокого связывающего кармана с высоким сродством к фосфотирозину , но не к фосфосерину или фосфотреонину , необходимо для распознавания тирозин-фосфорилированных белков, в основном рецепторов аутофосфорилированных факторов роста. Белки, связывающие рецептор фактора роста и фосфолипаза Cγ, являются примерами белков, которые имеют домены SH2. [24]
- Src гомология 3 (SH3) домен
- Структурно домены SH3 состоят из бета-бочки, образованной двумя ортогональными бета-слоями и тремя антипараллельными бета-цепями. Эти домены распознают последовательности, обогащенные пролином , как спиральную структуру полипролина типа II (мотивы PXXP) [ необходима проверка ] в клеточных сигнальных белках, таких как протеинтирозинкиназы и белок 2, связанный с рецептором фактора роста ( Grb2 ). [24]
- Фосфотирозин-связывающий (PTB) домен
- Домены PTB взаимодействуют с последовательностями, содержащими фосфотирозиновую группу. Эти домены можно найти в субстрате рецептора инсулина . [24]
- LIM домен
- Первоначально LIM домены были идентифицированы в трех гомеодоменных факторах транскрипции (lin11, is11 и mec3). В дополнение к этим гомеодоменным белкам и другим белкам, участвующим в развитии, LIM домены также были идентифицированы в негомеодоменных белках, играющих важную роль в клеточной дифференцировке , ассоциации с цитоскелетом и старении . Эти домены содержат тандемный мотив пальца Zn 2+, богатый цистеином, и охватывают консенсусную последовательность CX2CX16-23HX2CX2CX2CX16-21CX2C / H / D. Домены LIM связываются с доменами PDZ, факторами транскрипции bHLH и другими доменами LIM. [24]
- Стерильный альфа-мотив (SAM) домен
- Домены SAM состоят из пяти спиралей, образующих компактную упаковку с консервативным гидрофобным ядром . Эти домены, которые могут быть обнаружены в рецепторе Eph и молекуле стромального взаимодействия ( STIM ), например, связываются с белками, не содержащими домен SAM, и, по-видимому, они также обладают способностью связывать РНК . [24]
- PDZ домен
- Домены PDZ были впервые идентифицированы в трех гуанилаткиназах: PSD-95, DlgA и ZO-1. Эти домены распознают карбоксиконцевые трипептидные мотивы (S / TXV), другие PDZ-домены или LIM-домены и связывают их посредством короткой пептидной последовательности, которая имеет С-концевой гидрофобный остаток. Некоторые из белков, идентифицированных как имеющие PDZ-домены, являются каркасными белками или, по-видимому, участвуют в сборке ионного рецептора и образовании комплексов рецептор-фермент. [24]
- FERM домен
- Домены FERM содержат основные остатки, способные связывать PtdIns (4,5) P 2 . Талин и киназа фокальной адгезии (FAK) являются двумя белками, которые представляют домены FERM. [24]
- Домен гомологии кальпонина (CH)
- Домены CH в основном присутствуют в белках цитоскелета в виде парвина . [24]
- Домен гомологии плекстрина
- Домены гомологии плекстрина связываются с фосфоинозитидами и кислотными доменами в сигнальных белках.
- WW домен
- WW-домены связываются с последовательностями, обогащенными пролином.
- Мотив WSxWS
- Найдено в рецепторах цитокинов
Свойства интерфейса
Изучение молекулярной структуры может дать мельчайшие подробности об интерфейсе, который обеспечивает взаимодействие между белками. При характеристике интерфейсов PPI важно учитывать тип комплекса. [9]
Оцениваемые параметры включают размер (измеренный в абсолютных размерах Å 2 или в доступной для растворителя площади поверхности (SASA) ), форму, комплементарность между поверхностями, склонность к границе раздела остатков, гидрофобность, сегментацию и вторичную структуру, а также конформационные изменения при образовании комплекса. [9]
Подавляющее большинство интерфейсов PPI отражает состав поверхностей белков, а не ядер белков, несмотря на то, что они часто обогащены гидрофобными остатками, особенно ароматическими остатками. [25] Интерфейсы PPI являются динамическими и часто плоскими, хотя они также могут быть шаровидными и выступающими. [26] На основании трех структур - димера инсулина , комплекса трипсин- панкреатический трипсин и оксигемоглобина - Сайрус Чотиа и Джоэл Джанин обнаружили, что от контакта с водой было удалено от 1130 до 1720 Å 2 площади поверхности, что указывает на то, что гидрофобность является основным фактором. стабилизации ИЦП. [27] Более поздние исследования уточнили площадь скрытой поверхности большинства взаимодействий до 1600 ± 350 Å 2 . Однако наблюдались и гораздо более крупные интерфейсы взаимодействия, которые были связаны со значительными изменениями в конформации одного из партнеров по взаимодействию. [18] Интерфейсы PPI демонстрируют как форму, так и электростатическую взаимодополняемость. [9] [11]
Регулирование
- Концентрация белка, на которую, в свою очередь, влияют уровни экспрессии и скорость деградации;
- Сродство белков к белкам или другим связывающим лигандам;
- Концентрации лигандов ( субстратов , ионов и др.);
- Наличие других белков , нуклеиновых кислот и ионов ;
- Электрические поля вокруг белков.
- Возникновение ковалентных модификаций;
Экспериментальные методы
Есть множество методов их обнаружения. [2] [28] Каждый из подходов имеет свои сильные и слабые стороны, особенно в отношении чувствительности и специфичности метода. Наиболее обычными и широко используемыми высокопроизводительными методами являются двухгибридный скрининг дрожжей и аффинная очистка в сочетании с масс-спектрометрией . [1]
Скрининг двугибридных дрожжей
Эта система была впервые описана в 1989 г. Филдсом и Сонгом с использованием Saccharomyces cerevisiae в качестве биологической модели. [29] [30] Гибрид двух дрожжей позволяет идентифицировать парные ИПП (бинарный метод) in vivo , в котором два белка тестируются на биофизически прямое взаимодействие. Y2H основан на функциональном восстановлении дрожжевого транскрипционного фактора Gal4 и последующей активации селективного репортера, такого как His3. Для проверки взаимодействия двух белков создаются две конструкции для экспрессии белков: один белок (X) сливается с ДНК-связывающим доменом (DB) Gal4, а второй белок (Y) сливается с доменом активации Gal4 (AD). В анализе дрожжевые клетки трансформируются этими конструкциями. Транскрипция репортерных генов не происходит, если приманка (DB-X) и жертва (AD-Y) не взаимодействуют друг с другом и не образуют функциональный фактор транскрипции Gal4. Таким образом, о взаимодействии между белками можно судить по присутствию продуктов, являющихся результатом экспрессии репортерного гена. [13] [31] В случаях, когда репортерный ген экспрессирует ферменты, которые позволяют дрожжам синтезировать незаменимые аминокислоты или нуклеотиды, рост дрожжей в условиях селективной среды указывает на то, что два протестированных белка взаимодействуют. Недавно было опубликовано программное обеспечение для обнаружения и определения приоритетов белковых взаимодействий. [32] [33]
Несмотря на свою полезность, двугибридная система дрожжей имеет ограничения. Он использует дрожжи в качестве основной системы хозяина, что может быть проблемой при изучении белков, которые содержат специфические для млекопитающих посттрансляционные модификации. Количество выявленных ИЦП обычно невелико из-за высокого уровня ложноотрицательных результатов; [34] и, например , занижает значение мембранных белков . [35] [36]
В первоначальных исследованиях, в которых использовался Y2H, надлежащий контроль ложноположительных результатов (например, когда DB-X активирует репортерный ген без присутствия AD-Y) часто не проводился, что приводило к более высокому, чем обычно, уровню ложноположительных результатов. Необходимо внедрить эмпирическую основу для контроля этих ложных срабатываний. [37] Ограничения в отношении более низкого покрытия мембранными белками были преодолены за счет появления дрожжевых двугибридных вариантов, таких как мембранно-дрожжевой двугибридный (MYTH) [36] и сплит-убиквитиновая система [31], которые не являются ограничивается взаимодействиями, происходящими в ядре; и бактериальная двугибридная система, реализованная на бактериях; [38]
Аффинная очистка в сочетании с масс-спектрометрией
Аффинная очистка в сочетании с масс-спектрометрией в основном выявляет стабильные взаимодействия и, таким образом, лучше показывает функциональные ИПП in vivo. [39] [31] Этот метод начинается с очистки меченого белка, который экспрессируется в клетке обычно в концентрациях in vivo , и его взаимодействующих белков (аффинная очистка). Одним из наиболее выгодных и широко используемых методов очистки белков с очень низким уровнем загрязнения является тандемная аффинная очистка , разработанная Бертраном Серафином и Маттиасом Манном и соответствующими коллегами. Затем ИПП можно количественно и качественно анализировать с помощью масс-спектрометрии с использованием различных методов: химического включения, биологического или метаболического включения (SILAC) и методов без меток. [9] Кроме того, сетевая теория была использована для изучения всего набора идентифицированных белок-белковых взаимодействий в клетках. [4]
Программируемый протеиновый массив нуклеиновых кислот
Эта система была впервые разработана ЛаБэром и его коллегами в 2004 году с использованием системы транскрипции и трансляции in vitro. Они использовали матрицу ДНК, кодирующую интересующий ген, слитый с белком GST, и он был иммобилизован на твердой поверхности. Антитело против GST и биотинилированная плазмидная ДНК связывали на предметном стекле, покрытом аминопропилтриэтоксисиланом (APTES). BSA может улучшить эффективность связывания ДНК. Биотинилированная плазмидная ДНК была связана авидином. Новый белок был синтезирован с использованием бесклеточной системы экспрессии, то есть лизата ретикулоцитов кролика (RRL), а затем новый белок был захвачен с помощью антитела против GST, связанного на предметном стекле. Для проверки взаимодействия белок-белок кДНК целевого белка и кДНК запрашиваемого белка были иммобилизованы на одном и том же покрытом предметном стекле. Используя систему транскрипции и трансляции in vitro, целевой и запрашиваемый белок синтезировали из одного и того же экстракта. Целевой белок связывали с массивом антителом, нанесенным на предметное стекло, и запрашиваемый белок использовали для зондирования массива. Белок запроса был помечен эпитопом гемагглютинина (НА). Таким образом, взаимодействие между двумя белками было визуализировано с антителом против НА. [40] [41]
Внутригенная комплементация
Когда несколько копий полипептида, кодируемого геном, образуют комплекс, эта структура белка называется мультимером. Когда мультимер формируется из полипептидов, продуцируемых двумя разными мутантными аллелями конкретного гена, смешанный мультимер может проявлять большую функциональную активность, чем несмешанные мультимеры, образованные каждым из мутантов по отдельности. В таком случае это явление называется внутригенной комплементацией (также называемой межаллельной комплементацией). Внутригенная комплементация была продемонстрирована во многих различных генах у множества организмов, включая грибы Neurospora crassa , Saccharomyces cerevisiae и Schizosaccharomyces pombe ; бактерия Salmonella typhimurium ; вирус бактериофага Т4 , [42] вирус РНК [43] и человека. [44] В таких исследованиях множество мутаций, дефектных в одном и том же гене, часто выделяли и картировали в линейном порядке на основе частот рекомбинации, чтобы сформировать генетическую карту гена. Отдельно мутанты тестировали в парных комбинациях для измерения комплементации. Анализ результатов таких исследований привел к выводу, что внутригенная комплементация, как правило, возникает в результате взаимодействия различных дефектных полипептидных мономеров с образованием мультимера. [45] Гены, которые кодируют полипептиды, образующие мультимеры, встречаются довольно часто. Одна интерпретация данных состоит в том, что полипептидные мономеры часто выровнены в мультимере таким образом, что мутантные полипептиды, дефектные в соседних сайтах генетической карты, имеют тенденцию образовывать смешанный мультимер, который плохо функционирует, тогда как мутантные полипептиды, дефектные в удаленных сайтах, имеют тенденцию образовывать смешанный мультимер, который действует более эффективно. Прямое взаимодействие двух растущих белков, возникающих из соседних рибосом , по-видимому, является общим механизмом образования гомоолигомеров (мультимеров). [46] Были идентифицированы сотни белковых олигомеров, которые собираются в человеческих клетках посредством такого взаимодействия. [46] Наиболее распространенная форма взаимодействия - между N-концевыми областями взаимодействующих белков. Формирование димеров, по-видимому, может происходить независимо от специальных сборочных машин. Межмолекулярные силы, вероятно, ответственные за самопознание и образование мультимеров, обсуждались Jehle. [47]
Другие возможные методы
По мере развития технологий появляются разнообразные методы определения ИЦП. К ним относятся коиммунопреципитация, белковые микроматрицы , аналитическое ультрацентрифугирование , рассеяние света , флуоресцентная спектроскопия , картирование взаимодействий млекопитающих на основе люминесценции (LUMIER), системы резонансного переноса энергии, ловушка межбелкового взаимодействия млекопитающих, электрически переключаемые биоповерхности , комплементация фрагментов белков анализ , а также измерения без метки в реальном времени с помощью поверхностного плазмонного резонанса и калориметрии . [35] [36]
Вычислительные методы
Вычислительное прогнозирование белок-белковых взаимодействий
Экспериментальное обнаружение и определение характеристик ИПП трудоемкое и требует много времени. Однако многие PPI также можно предсказать с помощью вычислений, обычно используя экспериментальные данные в качестве отправной точки. Однако были также разработаны методы, позволяющие прогнозировать PPI de novo, то есть без предварительных доказательств этих взаимодействий.
Методы геномного контекста
Метод розеттского камня или слияния доменов основан на гипотезе о том, что взаимодействующие белки иногда сливаются в один белок в другом геноме. [48] Таким образом, мы можем предсказать, могут ли два белка взаимодействовать, определив, имеют ли каждый из них неперекрывающееся сходство последовательностей с областью одной белковой последовательности в другом геноме.
Метод консервативного соседства основан на гипотезе о том, что если гены, кодирующие два белка, являются соседями по хромосоме во многих геномах, то они, вероятно, функционально связаны (и, возможно, физически взаимодействуют) [49] .
Метод филогенетического профиля основан на гипотезе о том, что если два или более белка одновременно присутствуют или отсутствуют в нескольких геномах, то они, вероятно, функционально связаны. [49] Таким образом, потенциально взаимодействующие белки могут быть идентифицированы путем определения наличия или отсутствия генов во многих геномах и выбора тех генов, которые всегда присутствуют или отсутствуют вместе.
Методы интеллектуального анализа текста
Общедоступная информация из биомедицинских документов легко доступна через Интернет и становится мощным ресурсом для сбора данных об известных межбелковых взаимодействиях (PPI), прогнозирования PPI и стыковки белков. Интеллектуальный анализ текста намного дешевле и требует больше времени по сравнению с другими высокопроизводительными методами. В настоящее время методы интеллектуального анализа текста обычно обнаруживают бинарные отношения между взаимодействующими белками из отдельных предложений с использованием методов извлечения информации на основе правил / шаблонов и машинного обучения . [50] Для публичного использования доступно большое количество приложений интеллектуального анализа текста для извлечения и / или прогнозирования PPI, а также репозитории, в которых часто хранятся проверенные вручную и / или рассчитанные с помощью вычислений PPI. Интеллектуальный анализ текста может быть реализован в два этапа: поиск информации , когда извлекаются тексты, содержащие имена одного или обоих взаимодействующих белков, и извлечение информации, где извлекается целевая информация (взаимодействующие белки, задействованные остатки, типы взаимодействия и т. Д.).
Существуют также исследования с использованием филогенетического профилирования , основанные на их функциональности на теории о том, что белки, участвующие в общих путях, совместно эволюционируют коррелированным образом у разных видов. Некоторые более сложные методологии интеллектуального анализа текста используют передовые методы обработки естественного языка (NLP) и создают сети знаний (например, рассматривая имена генов как узлы и глаголы как ребра). Другие разработки включают ядерные методы для прогнозирования взаимодействия белков. [51]
Методы машинного обучения
Было предложено и проанализировано множество вычислительных методов для прогнозирования белок-белковых взаимодействий. [52] [53] [54] Подходы к прогнозированию можно сгруппировать по категориям на основе данных прогнозирования: последовательность белков, сравнительная геномика, домены белков, третичная структура белка и топология сети взаимодействия. [52] Построение положительного набора (известные взаимодействующие пары белков) и отрицательного набора (пары невзаимодействующих белков) необходимо для разработки модели вычислительного прогнозирования. [53] Модели прогнозирования с использованием методов машинного обучения можно в общих чертах разделить на две основные группы: контролируемые и неконтролируемые, на основе маркировки входных переменных в соответствии с ожидаемым результатом. [54]
В 2006 году случайный лес , пример контролируемой техники, был признан наиболее эффективным методом машинного обучения для прогнозирования взаимодействия белков. [55] Такие методы были применены для обнаружения белковых взаимодействий на человеческом интерактоме, в частности, на взаимодействии мембранных белков [56] и интерактоме белков, связанных с шизофренией. [57]
По состоянию на 2020 год модель с использованием классов кластеров остатков (RCC), построенная на основе баз данных 3DID и Negatome, привела к 96-99% правильно классифицированных случаев белок-белковых взаимодействий. [58] ПКР представляют собой вычислительное векторное пространство, которое имитирует складчатое пространство белка и включает в себя все одновременно контактировавшие наборы остатков, которые можно использовать для анализа взаимосвязи структуры и функции белка и эволюции. [59]
Базы данных
Крупномасштабная идентификация ИЦП привела к сотням тысяч взаимодействий, которые были собраны вместе в специализированных биологических базах данных , которые постоянно обновляются, чтобы обеспечить полные интерактомы . Первой из этих баз данных была База данных взаимодействующих белков (DIP) . [60] С тех пор количество общедоступных баз данных увеличивалось. Базы данных можно разделить на первичные базы данных, мета-базы данных и базы данных прогнозов. [1]
Первичные базы данных собирают информацию об опубликованных ИЦП, существование которых доказано с помощью мелкомасштабных или крупномасштабных экспериментальных методов. Примеры: DIP , база данных сети биомолекулярного взаимодействия (BIND), общий биологический репозиторий для наборов данных взаимодействия ( BioGRID ), эталонная база данных белков человека (HPRD), база данных молекулярных взаимодействий IntAct, база данных молекулярных взаимодействий (MINT), ресурс взаимодействия белков MIPS на дрожжах (MIPS). -MPact) и базу данных белок-белковых взаимодействий MIPS млекопитающих (MIPS-MPPI). [1]
Мета-базы данных обычно возникают в результате интеграции информации первичных баз данных, но могут также собирать некоторые исходные данные. Примеры: Agile Protein Interactomes Dataserver (APID), [61] База данных микробных взаимодействий с белками (MPIDB), [62] платформа анализа взаимодействия белков (PINA), (GPS-Prot), [63] и Wiki-Pi. [64]
Базы данных прогнозирования включают множество PPI, которые прогнозируются с использованием нескольких методов (основная статья). Примеры: База данных прогнозирования белковых взаимодействий человека (PIP), [65] База данных межлогичных взаимодействий (I2D), известные и прогнозируемые белок-белковые взаимодействия (STRING-db) и Unified Human Interactive (UniHI). [1]
Все вышеупомянутые вычислительные методы зависят от исходных баз данных, данные которых могут быть экстраполированы для прогнозирования новых белок-белковых взаимодействий . Покрытие сильно различается между базами данных. В общем, первичные базы данных имеют наименьшее количество зарегистрированных взаимодействий с белками, поскольку они не объединяют данные из нескольких других баз данных, в то время как базы данных прогнозов имеют наибольшее количество данных, поскольку они включают другие формы доказательств в дополнение к экспериментальным. Например, первичная база данных IntAct имеет 572 063 взаимодействия, [66] APID метаданных содержит 678 000 взаимодействий [67], а прогнозная база данных STRING содержит 25 914 693 взаимодействия. [68] Однако важно отметить, что некоторые взаимодействия в базе данных STRING предсказываются только вычислительными методами, такими как геномный контекст, и не проверяются экспериментально.
Сети взаимодействия
Информация, содержащаяся в базах данных PPI, поддерживает построение сетей взаимодействия. Хотя сеть PPI данного белка запроса может быть представлена в учебниках, диаграммы целочисленных PPI откровенно сложны и трудны для создания. [69]
Одним из примеров карты молекулярного взаимодействия, созданной вручную, является карта контроля клеточного цикла Курта Кона 1999 года. [70] Опираясь на карту Кона, Schwikowski et al. в 2000 году опубликовал статью о ИПП в дрожжах, связывая 1548 взаимодействующих белков, определенных с помощью двухгибридного скрининга. Они использовали метод рисования многоуровневого графа, чтобы найти начальное размещение узлов, а затем улучшили компоновку с помощью алгоритма, основанного на силе. [71] [72]
Биоинформатические инструменты были разработаны для упрощения сложной задачи визуализации сетей молекулярного взаимодействия и дополнения их другими типами данных. Например, Cytoscape - это широко используемое программное обеспечение с открытым исходным кодом, и в настоящее время доступно множество плагинов. [1] [73] Программное обеспечение Pajek полезно для визуализации и анализа очень больших сетей. [74]
Идентификация функциональных модулей в сетях PPI - важная задача в биоинформатике. Функциональные модули - это набор белков, которые тесно связаны друг с другом в сети PPI. Это почти такая же проблема, как обнаружение сообществ в социальных сетях . Существуют такие методы, как модули Jactive [75] и MoBaS. [76] Jactive модули объединяют сеть PPI и данные экспрессии генов, тогда как MoBaS объединяет сеть PPI и общегеномные исследования ассоциации .
Осознание важной роли ИПП во многих физиологических и патологических процессах привело к необходимости разгадать множество взаимодействий. Примерами опубликованных интерактомов являются специфический для щитовидной железы интерактом DREAM [77] и интерактом PP1α в человеческом мозге. [78]
Отношения белок-белок часто являются результатом нескольких типов взаимодействий или выводятся из различных подходов, включая совместную локализацию, прямое взаимодействие, супрессивное генетическое взаимодействие, аддитивное генетическое взаимодействие, физическую ассоциацию и другие ассоциации. [79]
Подписанные сети взаимодействия
Белковые взаимодействия часто приводят к тому, что один из взаимодействующих белков либо «активируется», либо «подавляется». Такие эффекты могут быть обозначены в сети PPI с помощью «знаков» (например, «активация» или «ингибирование»). Хотя такие атрибуты добавлялись в сети уже давно, [81] Vinayagam et al. (2014) придумали для них термин « подписанная сеть» . Знаковые сети часто выражаются обозначением взаимодействия как положительного или отрицательного. Положительное взаимодействие - это взаимодействие, в результате которого активируется один из белков. И наоборот, отрицательное взаимодействие указывает на то, что один из белков инактивирован. [82]
Сети белок-белкового взаимодействия часто конструируются в результате лабораторных экспериментов, таких как двухгибридный скрининг дрожжей или аффинная очистка и последующие методы масс-спектрометрии. [83] Однако эти методы не предоставляют уровень информации, необходимый для определения того, какой тип взаимодействия присутствует, чтобы иметь возможность приписывать знаки сетевым диаграммам.
Экраны интерференции РНК
Скрининг РНК-интерференции (РНКи) (подавление отдельных белков между транскрипцией и трансляцией) - это один из методов, который можно использовать в процессе определения признаков белок-белковых взаимодействий. Индивидуальные белки подавляются, и полученные фенотипы анализируются. Коррелирующая фенотипическая взаимосвязь (т.е. когда ингибирование любого из двух белков приводит к одному и тому же фенотипу) указывает на положительную или активирующую взаимосвязь. Фенотипы, которые не коррелируют (т.е. когда ингибирование одного из двух белков приводит к двум различным фенотипам), указывают на отрицательную или инактивирующую взаимосвязь. Если протеин A зависит от протеина B для активации, то ингибирование протеина A или B приведет к тому, что клетка потеряет функцию, обеспечиваемую протеином A, и фенотипы будут одинаковыми для ингибирования A или B. однако протеин A инактивируется протеином B, тогда фенотипы будут различаться в зависимости от того, какой протеин ингибируется (ингибирует протеин B, и он больше не может инактивировать протеин A, оставляя A активным, но инактивировать A, и B нечего активировать, так как A активен). неактивны и фенотип меняется). Необходимо выполнить несколько скрининговых РНКи , чтобы надежно определить признак данного белок-белкового взаимодействия. Vinayagam et al. Авторы этого метода заявляют, что требуется минимум девять скринингов на РНКи, и уверенность в этом увеличивается по мере того, как проводится больше скринингов. [82]
В качестве терапевтических целей
Модуляция PPI является сложной задачей и привлекает все большее внимание научного сообщества. [84] Некоторые свойства ИПП, такие как аллостерические участки и горячие точки, были включены в стратегии разработки лекарств. [85] [86] Релевантность ИПП в качестве предполагаемых терапевтических целей для разработки новых методов лечения особенно очевидна при раке, и в этой области проводится несколько клинических испытаний. Тем не менее, консенсус среди этих многообещающих целей отражен в уже имеющихся на рынке лекарствах для лечения множества заболеваний. Примерами являются тиробифан, ингибитор гликопротеина IIb / IIIa, используемый в качестве лекарственного средства для сердечно-сосудистой системы, и маравирок, ингибитор взаимодействия CCR5-gp120, используемый в качестве лекарственного средства против ВИЧ. [87] Недавно [ когда? ] Амит Джайсвал и другие смогли разработать 30 пептидов, используя исследования межбелкового взаимодействия, чтобы ингибировать рекрутирование теломеразы на теломеры. [88] [89]
Смотрите также
- Гликан-белковые взаимодействия
- 3did
- Аллостерия
- Биологическая сеть
- Биологические машины
- Ферментный катализ
- Человеческий интерактом
- Мультибелковый комплекс
- Динамика белкового домена
- Гибкость белков
- Белковая структура
- Прогнозирование белок-белкового взаимодействия
- Скрининг белок-белкового взаимодействия
- Системная биология
Рекомендации
- ^ Б с д е е г De Las Rivas, J Fontanillo C (июнь 2010 г.). «Основы белок-белковых взаимодействий: ключевые концепции построения и анализа интерактомных сетей» . PLOS Вычислительная биология . 6 (6): e1000807. Bibcode : 2010PLSCB ... 6E0807D . DOI : 10.1371 / journal.pcbi.1000807 . PMC 2891586 . PMID 20589078 .
- ^ а б Титека, Кевин; Лемменс, Ирма; Тавернье, Ян; Эйкерман, Свен (29 июня 2018 г.). «Обнаружение клеточных белок-белковых взаимодействий: технологические стратегии и возможности» . Обзоры масс-спектрометрии . 38 (1): 79–111. DOI : 10.1002 / mas.21574 . ISSN 0277-7037 . PMID 29957823 .
- ^ Херси HD, Дэн В., Хельма Дж., Леонхардт Х., Кардосо М.С. (2013). «Визуализация и целенаправленное нарушение белковых взаимодействий в живых клетках» . Nature Communications . 4 : 2660. Bibcode : 2013NatCo ... 4.2660H . DOI : 10.1038 / ncomms3660 . PMC 3826628 . PMID 24154492 .
- ^ а б Машаги, А .; и другие. (2004). «Исследование белковой комплексной сети». Европейский физический журнал . 41 (1): 113–121. arXiv : cond-mat / 0304207 . Bibcode : 2004EPJB ... 41..113M . DOI : 10.1140 / epjb / e2004-00301-0 . S2CID 9233932 .
- ^ Ханукоглу I (1996). «Белки электронного переноса систем цитохрома Р450». Физиологические функции цитохрома P450 в отношении структуры и регуляции (PDF) . Adv. Мол. Cell Biol . Достижения в молекулярной и клеточной биологии. 14 . С. 29–55. DOI : 10.1016 / S1569-2558 (08) 60339-2 . ISBN 9780762301133.
- ^ Брандт М.Э., Викери Л.Е. (август 1993 г.). «Взаимодействие пар зарядов, стабилизирующих комплексы ферредоксин-ферредоксинредуктаза. Идентификация по дополнительным сайт-специфическим мутациям». Журнал биологической химии . 268 (23): 17126–30. DOI : 10.1016 / S0021-9258 (19) 85311-5 . PMID 8349601 .
- ^ Ханукоглу I (2017). «Сохранение интерфейсов фермент-кофермент в FAD и NADP-связывающем адренодоксинредуктазе-А повсеместном ферменте». Журнал молекулярной эволюции . 85 (5): 205–218. Bibcode : 2017JMolE..85..205H . DOI : 10.1007 / s00239-017-9821-9 . PMID 29177972 . S2CID 7120148 .
- ^ Купер Дж. (2000). Клетка: молекулярный подход (2-е изд.). Вашингтон, округ Колумбия: ASM Press. ISBN 978-0-87893-106-4.[ требуется страница ]
- ^ а б в г д Джонс С., Торнтон Дж. М. (январь 1996 г.). «Принципы белок-белкового взаимодействия» . Труды Национальной академии наук Соединенных Штатов Америки . 93 (1): 13–20. Bibcode : 1996PNAS ... 93 ... 13J . DOI : 10.1073 / pnas.93.1.13 . PMC 40170 . PMID 8552589 .
- ^ Цинь К., Сетхи П.Р., Ламберт Н.А. (август 2008 г.). «Изобилие и стабильность комплексов, содержащих неактивные рецепторы, связанные с G-белками, и G-белки» . Журнал FASEB . 22 (8): 2920–7. DOI : 10.1096 / fj.08-105775 . PMC 2493464 . PMID 18434433 .
- ^ а б Цинь К., Донг С., Ву Г., Ламберт Н.А. (август 2011 г.). «Предварительная сборка в неактивном состоянии рецепторов, связанных с G (q), и гетеротримеров G (q)» . Природа Химическая биология . 7 (10): 740–7. DOI : 10.1038 / nchembio.642 . PMC 3177959 . PMID 21873996 .
- ^ Малхис Н., Гспонер Дж. (Июнь 2015 г.). «Вычислительная идентификация MoRFs в белковых последовательностях» . Биоинформатика . 31 (11): 1738–44. DOI : 10.1093 / биоинформатики / btv060 . PMC 4443681 . PMID 25637562 .
- ^ а б Вестермарк Дж., Иваска Дж., Корталс Г.Л. (июль 2013 г.). «Идентификация белковых взаимодействий, участвующих в клеточной передаче сигналов» . Молекулярная и клеточная протеомика . 12 (7): 1752–63. DOI : 10.1074 / mcp.R113.027771 . PMC 3708163 . PMID 23481661 .
- ^ Джанин Дж (декабрь 1999 г.). «Влажные и сухие интерфейсы: роль растворителя в распознавании белок-белок и белок-ДНК». Структура . 7 (12): R277–9. DOI : 10.1016 / s0969-2126 (00) 88333-1 . PMID 10647173 .
- ^ Бариллари К., Тейлор Дж., Винер Р., Эссекс Дж. У. (март 2007 г.). «Классификация молекул воды по сайтам связывания белков». Журнал Американского химического общества . 129 (9): 2577–87. DOI : 10.1021 / ja066980q . PMID 17288418 .
- ^ Лисова О., Белкади Л., Бедуель Х. (апрель 2014 г.). «Прямые и непрямые взаимодействия в распознавании перекрестно нейтрализующих антител и четырех серотипов вируса денге». Журнал молекулярного распознавания . 27 (4): 205–14. DOI : 10.1002 / jmr.2352 . PMID 24591178 . S2CID 5416842 .
- ^ England P, Brégére F, Bedouelle H (январь 1997 года). «Энергетический и кинетический вклад контактных остатков антитела D1.3 во взаимодействие с лизоцимом». Биохимия . 36 (1): 164–72. CiteSeerX 10.1.1.613.413 . DOI : 10.1021 / bi961419y . PMID 8993330 .
- ^ а б Джанин Дж., Чотия С. (сентябрь 1990 г.). «Структура сайтов узнавания белок-белок». Журнал биологической химии . 265 (27): 16027–30. DOI : 10.1016 / S0021-9258 (17) 46181-3 . PMID 2204619 .
- ^ а б Альбертс Б., Джонсон А., Льюис Дж, Рафф М., Робертс К., Уолтер П. (2002). Молекулярная биология клетки (4-е изд.). Нью-Йорк: Наука о гирляндах. ISBN 978-0-8153-3218-3.[ требуется страница ]
- ^ Кендрю Дж. К., Бодо Дж., Динцис Х. М., Пэрриш Р. Г., Вайкофф Х., Филлипс, округ Колумбия (март 1958 г.). «Трехмерная модель молекулы миоглобина, полученная методом рентгеноструктурного анализа». Природа . 181 (4610): 662–6. Bibcode : 1958Natur.181..662K . DOI : 10.1038 / 181662a0 . PMID 13517261 . S2CID 4162786 .
- ^ Купер Д.Р., Поребски П.Дж., Хрущ М., Минор В. (август 2011 г.). «Рентгеновская кристаллография: оценка и проверка комплексов белок-малые молекулы для открытия лекарств» . Мнение эксперта об открытии лекарств . 6 (8): 771–782. DOI : 10.1517 / 17460441.2011.585154 . PMC 3138648 . PMID 21779303 .
- ^ Wand AJ, Englander SW (август 1996 г.). «Белковые комплексы изучены методом ЯМР-спектроскопии» . Текущее мнение в области биотехнологии . 7 (4): 403–8. DOI : 10.1016 / s0958-1669 (96) 80115-7 . PMC 3442359 . PMID 8768898 .
- ^ Виноградова О., Цинь Дж. (2012). ЯМР как уникальный инструмент для оценки и комплексного определения слабых белок-белковых взаимодействий . Темы современной химии . 326 . С. 35–45. DOI : 10.1007 / 128_2011_216 . ISBN 978-3-642-28916-3. PMC 3676910 . PMID 21809187 .
- ^ Б с д е е г ч Берридж, MJ (2012). "Биология передачи сигналов клетками: Модуль 6 - Пространственные и временные аспекты передачи сигналов". Биохимический журнал . 6 : csb0001006. DOI : 10,1042 / csb0001006 .
- ^ Ян Ц., Ву Ф., Джерниган Р.Л., Доббс Д., Хонавар В. (январь 2008 г.). «Характеристика межбелковых интерфейсов» . Белковый журнал . 27 (1): 59–70. DOI : 10.1007 / s10930-007-9108-х . PMC 2566606 . PMID 17851740 .
- ^ Джонс С., Торнтон Дж. М. (сентябрь 1997 г.). «Анализ сайтов белок-белкового взаимодействия с использованием участков поверхности». Журнал молекулярной биологии . 272 (1): 121–32. DOI : 10.1006 / jmbi.1997.1234 . PMID 9299342 .
- ^ Чотия С., Джанин Дж. (Август 1975 г.). «Принципы белок-белкового распознавания». Природа . 256 (5520): 705–8. Bibcode : 1975Natur.256..705C . DOI : 10.1038 / 256705a0 . PMID 1153006 . S2CID 4292325 .
- ^ Физики Э.М., Филдс S (март 1995 г.). «Белково-белковые взаимодействия: методы обнаружения и анализа» . Микробиологические обзоры . 59 (1): 94–123. DOI : 10.1128 / MMBR.59.1.94-123.1995 . PMC 239356 . PMID 7708014 .
- ^ "База данных белок-белковых взаимодействий MIPS млекопитающих" . Проверено 2 января 2021 года .
- ^ Терентьев А.А., Молдогазиева Н.Т., Шайтан К.В. (декабрь 2009 г.). «Динамическая протеомика в моделировании живой клетки. Белковые взаимодействия». Биохимия. Биохимия . 74 (13): 1586–607. DOI : 10.1134 / s0006297909130112 . PMID 20210711 . S2CID 19815231 .
- ^ а б в Wodak SJ, Vlasblom J, Turinsky AL, Pu S (декабрь 2013 г.). «Сети белок-белкового взаимодействия: загадочное богатство». Текущее мнение в структурной биологии . 23 (6): 941–53. DOI : 10.1016 / j.sbi.2013.08.002 . PMID 24007795 .
- ^ Банерджи С., Веласкес-Сапата В., Фуэрст Дж., Элмор Дж. М., Мудрый Р.П. (декабрь 2020 г.). «NGPINT: программное обеспечение нового поколения для взаимодействия белков и белков» . Брифинги по биоинформатике . DOI : 10.1093 / нагрудник / bbaa351 . PMID 33367498 .
- ^ Веласкес-Сапата В., Элмор Дж. М., Банерджи С., Дорман К., Мудрый Р. П. (апрель 2021 г.). «Двухгибридный дрожжевой анализ нового поколения с Y2H-SCORES идентифицирует новые взаимодействия иммунного рецептора MLA» . PLOS Вычислительная биология . 23 (4): e1008890. DOI : 10.1371 / journal.pcbi.1008890 . PMC 8046355 . PMID 33798202 .
- ^ Раджагопала С.В., Сикорски П., Кауфилд Дж. Х., Товчигречко А., Уетц П. (декабрь 2012 г.). «Изучение белковых комплексов по двугибридной системе дрожжей» . Методы . 58 (4): 392–9. DOI : 10.1016 / j.ymeth.2012.07.015 . PMC 3517932 . PMID 22841565 .
- ^ а б Стелзль У., Ванкер Э.Е. (декабрь 2006 г.). «Значение высококачественных сетей белок-белкового взаимодействия для системной биологии». Текущее мнение в химической биологии . 10 (6): 551–8. DOI : 10.1016 / j.cbpa.2006.10.005 . PMID 17055769 .
- ^ а б в Петшниг Дж., Снайдер Дж., Стэглир I. (февраль 2011 г.). «Интерактивные технологии исследования протеомики: последние применения и достижения». Текущее мнение в области биотехнологии . 22 (1): 50–8. DOI : 10.1016 / j.copbio.2010.09.001 . PMID 20884196 .
- ^ Венкатесан К., Руал Дж. Ф., Васкес А., Стелзл Ю., Лемменс И., Хирозане-Кишикава Т., Хао Т., Зенкнер М., Синь Х, Го К. И., Йилдирим М. А., Симонис Н., Хайнцманн К., Гебреаб Ф., Сахали Дж. М., Севик С., Саймон К., де Смет А.С., Данн Э., Смоляр А., Винаягам А., Ю Х, Сзето Д., Борик Х., Дрикот А, Клитгорд Н., Мюррей Р. Р., Лин С., Лаловски М., Тимм Дж., Рау К., Бун К., Браун P, Cusick ME, Roth FP, Hill DE, Tavernier J, Wanker EE, Barabási AL, Vidal M (2009). «Эмпирическая основа для двоичного отображения интерактома» . Нат методы . 6 (1): 83–90. DOI : 10.1038 / nmeth.1280 . PMC 2872561 . PMID 19060904 .
- ^ Баттести А, Бувере Э (декабрь 2012 г.). «Бактериальная двугибридная система, основанная на восстановлении аденилатциклазы в Escherichia coli» . Методы . 58 (4): 325–34. DOI : 10.1016 / j.ymeth.2012.07.018 . PMID 22841567 .
- ^ Бреттнер Л.М., Масел Дж. (Сентябрь 2012 г.). «Липкость белка, а не количество функциональных белок-белковых взаимодействий, предсказывает шум экспрессии и пластичность дрожжей» . BMC Systems Biology . 6 : 128. DOI : 10,1186 / 1752-0509-6-128 . PMC 3527306 . PMID 23017156 .
- ^ Рамачандран Н., Хейнсворт Э., Бхуллар Б., Эйзенштейн С., Розен Б., Лау А.Ю., Уолтер Дж. К., Лабер Дж. (Июль 2004 г.). «Самособирающиеся белковые микрочипы» . Наука . 305 (5680): 86–90. Bibcode : 2004Sci ... 305 ... 86R . DOI : 10.1126 / science.1097639 . PMID 15232106 . S2CID 20936301 .
- ^ Рамачандран Н., Рафаэль Дж. В., Хейнсворт Э., Демиркан Г., Фуэнтес М. Г., Рольфс А., Ху Й., Ла Баер Дж. (Июнь 2008 г.). «Самособирающиеся функциональные белковые матрицы нового поколения с высокой плотностью сборки» . Методы природы . 5 (6): 535–8. DOI : 10.1038 / nmeth.1210 . PMC 3070491 . PMID 18469824 .
- ^ Bernstein, H; Эдгар, RS; Денхардт, Г. Х. (июнь 1965 г.). «Внутригенная комплементация среди чувствительных к температуре мутантов бактериофага T4D» . Генетика . 51 (6): 987–1002. DOI : 10.1093 / генетика / 51.6.987 . PMC 1210828 . PMID 14337770 .
- ^ Smallwood S, Чевик B, Мойер SA. Внутригенная комплементация и олигомеризация L-субъединицы РНК-полимеразы вируса Сендай. Вирусология. 2002; 304 (2): 235-245. DOI: 10.1006 / viro.2002.1720
- ^ Родригес-Помбо П., Перес-Серда С., Перес Б., Десвиат Л. Р., Санчес-Пулидо Л., Угарте М. К модели, объясняющей внутригенную комплементацию в гетеромультимерном протеине пропионил-КоА-карбоксилазе. Biochim Biophys Acta. 2005; 1740 (3): 489-498. DOI: 10.1016 / j.bbadis.2004.10.009
- ^ Crick FH, Orgel LE. Теория межаллельной комплементации. J Mol Biol. 1964 Янв; 8: 161-5. DOI: 10.1016 / s0022-2836 (64) 80156-х. PMID 14149958
- ^ a b Bertolini M, Fenzl K, Kats I, Wruck F, Tippmann F, Schmitt J, Auburger JJ, Tans S, Bukau B, Kramer G. Взаимодействия между зарождающимися белками, транслируемые соседними рибосомами, управляют сборкой гомомеров. Наука. 2021, 1 января; 371 (6524): 57-64. DOI: 10.1126 / science.abc7151. PMID 33384371
- ^ Jehle H. Межмолекулярные силы и биологическая специфичность. Proc Natl Acad Sci US A. 1963; 50 (3): 516-524. DOI: 10.1073 / pnas.50.3.516
- ^ Айзенберг, Дэвид; Йейтс, Тодд О .; Райс, Дэнни У .; Нг, Хо-Люн; Пеллегрини, Маттео; Маркотт, Эдвард М. (30 июля 1999 г.). «Обнаружение функции белков и белок-белковых взаимодействий по последовательностям генома». Наука . 285 (5428): 751–753. CiteSeerX 10.1.1.535.9650 . DOI : 10.1126 / science.285.5428.751 . ISSN 1095-9203 . PMID 10427000 .
- ^ а б Раман, Картик (15 февраля 2010 г.). «Построение и анализ сетей белок-белкового взаимодействия» . Автоматизированное экспериментирование . 2 (1): 2. DOI : 10,1186 / 1759-4499-2-2 . ISSN 1759-4499 . PMC 2834675 . PMID 20334628 .
- ^ Бадал В.Д., Кундротас П.Дж., Ваксер И.А. (декабрь 2015 г.). «Анализ текста для стыковки белков» . PLOS Вычислительная биология . 11 (12): e1004630. Bibcode : 2015PLSCB..11E4630B . DOI : 10.1371 / journal.pcbi.1004630 . PMC 4674139 . PMID 26650466 .
- ^ Папаниколау Н., Павлопулос Г.А., Теодосиу Т., Илиопулос I. (март 2015 г.). «Прогнозы белок-белкового взаимодействия с использованием методов интеллектуального анализа текста». Методы . Текстовый анализ биомедицинской литературы. 74 : 47–53. DOI : 10.1016 / j.ymeth.2014.10.026 . PMID 25448298 .
- ^ а б Котляр Макс; Россос, Андреа Э.М.; Юрисица, Игорь (декабрь 2017 г.). «Прогнозирование белок-белковых взаимодействий». Текущие протоколы в биоинформатике . 60 (1): 8.2.1–8.2.14. DOI : 10.1002 / cpbi.38 . PMID 29220074 .
- ^ а б Дин, Цзыюнь; Кихара, Дайсуке (август 2018 г.). «Вычислительные методы прогнозирования белок-белковых взаимодействий с использованием различных свойств белков» . Текущие протоколы в науке о белке . 93 (1): e62. DOI : 10.1002 / cpps.62 . PMC 6097941 . PMID 29927082 .
- ^ а б Саркар, Дебасри; Саха, Судипто (сентябрь 2019 г.). «Методы машинного обучения для предсказания белок-белковых взаимодействий». Журнал биологических наук . 44 (4): 104. DOI : 10.1007 / s12038-019-9909-г . PMID 31502581 .
- ^ Qi Y, Bar-Joseph Z, Klein-Seetharaman J (май 2006 г.). «Оценка различных биологических данных и методов компьютерной классификации для использования в предсказании взаимодействия белков» . Белки . 63 (3): 490–500. DOI : 10.1002 / prot.20865 . PMC 3250929 . PMID 16450363 .
- ^ 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 .
- ^ а б 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 белок-белковыми взаимодействиями» . NPJ Schizophrenia . 2 : 16012. дои : 10.1038 / npjschz.2016.12 . PMC 4898894 . PMID 27336055 .
- ^ Поот Велес, Альброс Гермес; Фонтове, Фернандо; Дель Рио, Габриэль (6 июля 2020 г.). «Белок-белковые взаимодействия, эффективно моделируемые кластерами остатков» . Международный журнал молекулярных наук . 21 (13): 4787. DOI : 10,3390 / ijms21134787 . PMC 7370293 . PMID 32640745 .
- ^ Корраль-Корраль, Рикардо; Чавес, Эдгар; Дель Рио, Габриэль (декабрь 2015 г.). "Машинно обучаемое представление складчатого пространства на основе классов остатков кластера" . Вычислительная биология и химия . 59 : 1–7. DOI : 10.1016 / j.compbiolchem.2015.07.010 . PMID 26366526 .
- ^ Xenarios I, Rice DW, Salwinski L, Baron MK, Marcotte EM, Eisenberg D (январь 2000 г.). «ДИП: база данных взаимодействующих белков» . Исследования нуклеиновых кислот . 28 (1): 289–91. DOI : 10.1093 / NAR / 28.1.289 . PMC 102387 . PMID 10592249 .
- ^ Алонсо-Лопес Д., Гутьеррес М.А., Лопес К.П., Прието С., Сантамария Р., Де Лас Ривас Дж. (Июль 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 . PMC 4987915 . PMID 27131791 .
- ^ Голл Дж., Раджагопала С.В., Шиау СК, Ву Х., Лэмб Б.Т., Уетц П. (август 2008 г.). «MPIDB: база данных взаимодействия микробных белков» . Биоинформатика . 24 (15): 1743–4. DOI : 10.1093 / биоинформатики / btn285 . PMC 2638870 . PMID 18556668 .
- ^ Фэи М., Брюэр М. (2011). «GPS-Prot: веб-платформа визуализации для интеграции данных о взаимодействии между хозяином и патогеном» . BMC Bioinformatics . 12 : 238. DOI : 10,1186 / 1471-2105-12-298 . PMC 3213248 . PMID 21777475 .
- ^ Ории Н., Ганапатхираджу МК (2012). «Wiki-pi: веб-сервер аннотированных белок-белковых взаимодействий человека для помощи в открытии функции белков» . PLOS ONE . 7 (11): e49029. Bibcode : 2012PLoSO ... 749029O . DOI : 10.1371 / journal.pone.0049029 . PMC 3509123 . PMID 23209562 .
- ^ Макдауэл, доктор медицины, Скотт, М.С., Бартон, Дж. Дж. (Январь 2009 г.) «PIPs: база данных предсказания белок-белкового взаимодействия человека» . Исследования нуклеиновых кислот . 37 (выпуск базы данных): D651–6. DOI : 10.1093 / NAR / gkn870 . PMC 2686497 . PMID 18988626 .
- ^ Нетронутый. «Белки, взаимодействия, бинарные взаимодействия и n-арные взаимодействия» . www.ebi.ac.uk . Проверено 19 ноября 2018 .
- ^ «Сервер данных Agile Protein Interactomes: об APID» .
- ^ «СТРОКА: функциональные сети ассоциации белков» . string-db.org . Проверено 19 ноября 2018 .
- ^ Спринзак, Эйнат; Саттат, Шмуэль; Маргалит, Хана (2003). "Насколько надежны экспериментальные данные о взаимодействии белков?" . Журнал молекулярной биологии . 327 (5): 919–923. DOI : 10.1016 / S0022-2836 (03) 00239-0 . PMID 12662919 . Проверено 2 января 2021 года .
- ^ Schwikowski B, Uetz P, Fields S (декабрь 2000 г.). «Сеть белок-белковых взаимодействий в дрожжах». Природа Биотехнологии . 18 (12): 1257–61. DOI : 10.1038 / 82360 . PMID 11101803 . S2CID 3009359 .
- ^ Ригат Г., Шевченко А., Руц Б., Вильм М., Манн М., Серафин Б. (октябрь 1999 г.). «Общий метод очистки белка для характеристики белковых комплексов и исследования протеома». Природа Биотехнологии . 17 (10): 1030–2. DOI : 10.1038 / 13732 . PMID 10504710 . S2CID 663553 .
- ^ Прието С., Де Лас Ривас Дж. (Июль 2006 г.). "APID: Agile Protein Interaction DataAnalyzer" . Исследования нуклеиновых кислот . 34 (выпуск веб-сервера): W298–302. DOI : 10.1093 / NAR / gkl128 . PMC 1538863 . PMID 16845013 .
- ^ Коль М., Визе С., Варшайд Б. (2011). «Cytoscape: программное обеспечение для визуализации и анализа биологических сетей». Интеллектуальный анализ данных в протеомике . Методы молекулярной биологии. 696 . С. 291–303. DOI : 10.1007 / 978-1-60761-987-1_18 . ISBN 978-1-60761-986-4. PMID 21063955 .
- ^ Раман К. (февраль 2010 г.). «Построение и анализ сетей белок-белкового взаимодействия» . Автоматизированное экспериментирование . 2 (1): 2. DOI : 10,1186 / 1759-4499-2-2 . PMC 2834675 . PMID 20334628 .
- ^ Ideker T, Ozier O, Schwikowski B, Siegel AF (1 января 2002 г.). «Обнаружение регуляторных и сигнальных цепей в сетях молекулярного взаимодействия» . Биоинформатика . 18 Дополнение 1: S233–40. DOI : 10.1093 / биоинформатика / 18.suppl_1.s233 . PMID 12169552 .
- ^ Аяти М., Эртен С., Шанс М.Р., Коютюрк М. (30 июня 2015 г.). «MOBAS: идентификация белковых подсетей, связанных с заболеванием, с использованием оценки на основе модульности» . Журнал EURASIP по биоинформатике и системной биологии . 2015 (1): 7. DOI : 10,1186 / s13637-015-0025-6 . ISSN 1687-4153 . PMC 5270451 . PMID 28194175 .
- ^ Ривас М., Вильяр Д., Гонсалес П., Допазо ХМ, Меллстром Б., Наранхо-младший (август 2011 г.). «Построение интерактома МЕЧТЫ» . Наука Китай Науки о жизни . 54 (8): 786–92. DOI : 10.1007 / s11427-011-4196-4 . PMID 21786202 .
- ^ Эстевес С.Л., Домингес С.К., да Круз и Силва О.А., Фардилья М., да Круз и Силва Е.Ф. (2012). «Белки, взаимодействующие с протеинфосфатазой 1α в мозге человека» . ОМИКС . 16 (1-2): 3-17. DOI : 10.1089 / omi.2011.0041 . PMC 3275796 . PMID 22321011 .
- ^ Де Доменико М., Никосия V, Аренас А, Латора V (апрель 2015 г.). «Структурная сводимость многослойных сетей». Nature Communications . 6 : 6864. arXiv : 1405.0425 . Bibcode : 2015NatCo ... 6.6864D . DOI : 10.1038 / ncomms7864 . PMID 25904309 .
- ^ Фишер Б., Сандманн Т., Хорн Т., Биллманн М., Чаудхари В., Хубер В., Бутрос М. (март 2015 г.). «Карта направленных генетических взаимодействий в клетке многоклеточных животных» . eLife . 4 . DOI : 10.7554 / eLife.05464 . PMC 4384530 . PMID 25748138 .
- ^ Ideker T., Tan K. & Uetz P. (2005) Визуализация и интеграция белок-белковых взаимодействий. В: Golemis, E. (ed.) Protein-Protein Interactions - A Molecular Cloning Manual, 2nd ed. Лабораторный пресс Колд-Спринг-Харбор.
- ^ а б Vinayagam A, Zirin J, Roesel C, Hu Y, Yilmazel B, Samsonova AA, Neumüller RA, Mohr SE, Perrimon N (январь 2014 г.). «Интеграция сетей белок-белкового взаимодействия с фенотипами выявляет признаки взаимодействия» . Методы природы . 11 (1): 94–9. DOI : 10.1038 / nmeth.2733 . PMC 3877743 . PMID 24240319 .
- ^ Чен Г.И., Gingras AC (июль 2007 г.). «Масс-спектрометрия с аффинной очисткой (AP-MS) серин / треонинфосфатаз». Методы . 42 (3): 298–305. DOI : 10.1016 / j.ymeth.2007.02.018 . PMID 17532517 .
- ^ Laraia L, McKenzie G, Spring DR, Venkitaraman AR, Huggins DJ (июнь 2015 г.). «Преодоление химических, биологических и вычислительных проблем при разработке ингибиторов, нацеленных на белок-белковые взаимодействия» . Химия и биология . 22 (6): 689–703. DOI : 10.1016 / j.chembiol.2015.04.019 . PMC 4518475 . PMID 26091166 .
- ^ Аркин М.Р., Уэллс Дж. А. (апрель 2004 г.). «Низкомолекулярные ингибиторы белок-белковых взаимодействий: продвижение к мечте» . Обзоры природы. Открытие наркотиков . 3 (4): 301–17. DOI : 10.1038 / nrd1343 . PMC 4179228 . PMID 15060526 . S2CID 13879559 .
- ^ Чен Дж., Сойер Н., Риган Л. (апрель 2013 г.). «Белковые взаимодействия: общие тенденции во взаимосвязи между сродством связывания и межфазной скрытой поверхностью» . Белковая наука . 22 (4): 510–5. DOI : 10.1002 / pro.2230 . PMC 3610057 . PMID 23389845 .
- ^ Иванов А.А., Хури Ф.Р., Фу Х. (июль 2013 г.). «Ориентация на белок-белковые взаимодействия как противораковая стратегия» . Направления фармакологических наук . 34 (7): 393–400. DOI : 10.1016 / j.tips.2013.04.007 . PMC 3773978 . PMID 23725674 .
- ^ Джайсвал А., Лакшми П.Т. (9 сентября 2014 г.). «Молекулярное ингибирование рекрутирования теломеразы с использованием дизайнерских пептидов: подход in silico». Журнал биомолекулярной структуры и динамики . 33 (7): 1442–59. DOI : 10.1080 / 07391102.2014.953207 . PMID 25204447 . S2CID 27293727 .
- ^ Джайсвал А (2014). «AtTRB1–3 опосредует структурные изменения в AtPOT1b для удержания оцДНК» . ISRN Структурная биология . 2014 : 1–16. DOI : 10.1155 / 2014/827201 .
дальнейшее чтение
- Старк С., Брейткройц Б.Дж., Регули Т., Буше Л., Брейткройц А., Тайерс М. (январь 2006 г.). «BioGRID: общий репозиторий для наборов данных взаимодействия» . Исследования нуклеиновых кислот . 34 (выпуск базы данных): D535–9. DOI : 10.1093 / NAR / gkj109 . PMC 1347471 . PMID 16381927 .
- Пери С., Наварро Дж. Д., Кристиансен Т. З., Аманчи Р., Сурендранат В., Мутусами Б., Ганди Т. К., Чандрика К. Н., Дешпанде Н., Суреш С., Рашми Б. П., Шанкер К., Падма Н., Ниранджан В., Харша ХК, Талреджа Н., Врушабендра , Рамья М.А., Ятиш А.Дж., Джой М., Шивашанкар Х.Н., Кавита М.П., Менезес М., Чоудхури Д.Р., Гош Н., Саравана Р., Чандран С., Мохан С., Джонналагадда С.К., Прасад К.К., Кумар-Синха С., Дешпанде К. (Январь 2004 г.). «Справочная база данных белков человека как ресурс для открытия протеомики» . Исследования нуклеиновых кислот . 32 (Выпуск базы данных): D497–501. DOI : 10.1093 / NAR / gkh070 . PMC 308804 . PMID 14681466 .
- Hermjakob H, Montecchi-Palazzi L, Lewington C, Mudali S, Kerrien S, Orchard S, Vingron M, Roechert B, Roepstorff P, Valencia A, Margalit H, Armstrong J, Bairoch A, Cesareni G, Sherman D, Apweiler R ( Январь 2004 г.). «IntAct: база данных молекулярного взаимодействия с открытым исходным кодом» . Исследования нуклеиновых кислот . 32 (Выпуск базы данных): D452–5. DOI : 10.1093 / NAR / gkh052 . PMC 308786 . PMID 14681455 .
- Chatr-aryamontri A, Ceol A, Palazzi LM, Nardelli G, Schneider MV, Castagnoli L, Cesareni G (январь 2007 г.). «MINT: база данных Molecular INTeraction» . Исследования нуклеиновых кислот . 35 (выпуск базы данных): D572–4. DOI : 10.1093 / NAR / gkl950 . PMC 1751541 . PMID 17135203 .
- Güldener U, Münsterkötter M, Oesterheld M, Pagel P, Ruepp A, Mewes HW, Stümpflen V (январь 2006 г.). «MPact: ресурс взаимодействия белка MIPS на дрожжах» . Исследования нуклеиновых кислот . 34 (выпуск базы данных): D436–41. DOI : 10.1093 / NAR / gkj003 . PMC 1347366 . PMID 16381906 .
- Pagel P, Kovac S, Oesterheld M, Brauner B, Dunger-Kaltenbach I, Frishman G, Montrone C, Mark P, Stümpflen V, Mewes HW, Ruepp A, Frishman D (март 2005 г.). "База данных белок-белковых взаимодействий MIPS млекопитающих" . Биоинформатика . 21 (6): 832–4. DOI : 10.1093 / биоинформатики / bti115 . PMID 15531608 .
Внешние ссылки
- Базы данных белок-белкового взаимодействия
- Библиотека модуляторов белок-белковых взаимодействий (ИПП)
- Белки и ферменты в Curlie
- Касадо-Вела Дж., Маттиесен Р., Селлес С., Наранхо Дж. Р. (май 2013 г.). «Взаимодействие белков и белков: избыточность сокращений генов и текущие ограничения, препятствующие автоматической интеграции данных» . Протеомы . 1 (1): 3–24. DOI : 10,3390 / протеомы1010003 . PMC 5314489 . PMID 28250396 .