Интерактом
Полный набор молекулярных взаимодействий в биологической клетке

В молекулярной биологии интерактом — это весь набор молекулярных взаимодействий в конкретной клетке . Этот термин конкретно относится к физическим взаимодействиям между молекулами (например, между белками, также известными как белок-белковые взаимодействия , PPI; или между малыми молекулами и белками [1] ), но может также описывать наборы косвенных взаимодействий между генами ( генетические взаимодействия ).

Часть интерактома DISC1 с генами, представленными текстом в рамках, и взаимодействиями, отмеченными линиями между генами. Из Хенны и Портеуса, 2009. [2]

Слово «интерактом» было первоначально придумано в 1999 году группой французских ученых во главе с Бернаром Жаком. [3] 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 .

Молекулярные сети взаимодействия

Молекулярные взаимодействия могут происходить между молекулами, принадлежащими к разным биохимическим семействам (белки, нуклеиновые кислоты, липиды, углеводы и т. д.), а также внутри данного семейства. Всякий раз, когда такие молекулы связаны физическими взаимодействиями, они образуют сети молекулярных взаимодействий, которые обычно классифицируются по природе вовлеченных соединений. Чаще всего интерактом относится к сети взаимодействия белок-белок (PPI) (PIN) или ее подмножествам. Например, интерактом белка Sirt-1 и интерактом второго порядка семейства Sirt [4] [5] — это сеть, включающая Sirt-1 и его напрямую взаимодействующие белки, тогда как интерактом второго порядка иллюстрирует взаимодействия вплоть до соседей второго порядка (соседей соседей). Другим широко изученным типом интерактома является интерактом белок-ДНК, также называемый сетью генной регуляции , сетью, образованной факторами транскрипции, регуляторными белками хроматина и их целевыми генами. Даже метаболические сети можно рассматривать как сети молекулярных взаимодействий: метаболиты, т. е. химические соединения в клетке, преобразуются друг в друга ферментами , которые должны физически связывать свои субстраты.

На самом деле, все типы интерактомов взаимосвязаны. Например, интерактомы белков содержат множество ферментов, которые в свою очередь формируют биохимические сети. Аналогично, сети регуляции генов существенно перекрываются с сетями взаимодействия белков и сигнальными сетями.

Размер

Оценки интерактома дрожжевых белков. Из Uetz P. & Grigoriev A, 2005. [6]

Было высказано предположение, что размер интерактома организма лучше коррелирует с биологической сложностью организма, чем размер генома . [7] Хотя карты белок-белковых взаимодействий, содержащие несколько тысяч бинарных взаимодействий, в настоящее время доступны для нескольких видов, ни одна из них в настоящее время не является полной, и размер интерактомов все еще остается предметом дискуссий.

Дрожжи

Дрожжевой интерактом, т. е. все белок-белковые взаимодействия среди белков Saccharomyces cerevisiae , по оценкам, содержит от 10 000 до 30 000 взаимодействий. Разумная оценка может быть порядка 20 000 взаимодействий. Более крупные оценки часто включают косвенные или предсказанные взаимодействия, часто из исследований аффинной очистки / масс-спектрометрии (AP/MS). [6]

Генетические сети взаимодействия

Гены взаимодействуют в том смысле, что они 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». Гены, которые связаны таким образом, образуют сети генетического взаимодействия . Некоторые из целей этих сетей: разработка функциональной карты процессов клетки, идентификация мишеней для лекарств с помощью хемопротеомики и прогнозирование функции неохарактеризованных генов.

В 2010 году наиболее «полный» на сегодняшний день генный интерактом был составлен из примерно 5,4 миллионов сравнений двух генов для описания «профилей взаимодействия для ~75% всех генов в почкующихся дрожжах » с ~170 000 взаимодействий генов. Гены были сгруппированы на основе схожей функции, чтобы построить функциональную карту процессов клетки. 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. Из этой модели генетические взаимодействия можно наблюдать в нескольких масштабах, что поможет в изучении таких концепций, как сохранение генов. Некоторые из наблюдений, сделанных в этом исследовании, заключаются в том, что отрицательных взаимодействий было в два раза больше, чем положительных , отрицательные взаимодействия были более информативными, чем положительные, и гены с большим количеством связей с большей вероятностью приводили к летальному исходу при нарушении. [8]

Интерактомика

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 . [9] Таким образом, интерактомика стремится сравнивать такие сети взаимодействий (т. е. интерактомы) между видами и внутри них, чтобы выяснить, как сохраняются или изменяются черты таких сетей.

Интерактомика является примером системной биологии «сверху вниз» , которая берет вид сверху на биосистему или организм. Собираются большие наборы геномных и протеомных данных, и выводятся корреляции между различными молекулами. Из данных формулируются новые гипотезы об обратных связях между этими молекулами. Затем эти гипотезы могут быть проверены новыми экспериментами. [10]

Экспериментальные методы картирования интерактомов

Изучение интерактомов называется интерактомикой. Основной единицей белковой сети является белок-белковое взаимодействие (PPI). Хотя существует множество методов изучения PPI, сравнительно немногие из них использовались в больших масштабах для картирования целых интерактомов.

Система двухгибридных дрожжей (Y2H) подходит для исследования бинарных взаимодействий между двумя белками одновременно. Аффинная очистка и последующая масс-спектрометрия подходят для идентификации белкового комплекса. Оба метода могут использоваться в режиме высокой пропускной способности (HTP). Скрининг двухгибридных дрожжей допускает ложноположительные взаимодействия между белками, которые никогда не экспрессируются в одно и то же время и в одном и том же месте; масс-спектрометрия с аффинным захватом лишена этого недостатка и является нынешним золотым стандартом. Данные двухгибридных дрожжей лучше указывают на неспецифические тенденции к липким взаимодействиям, а масс-спектрометрия с аффинным захватом лучше указывает на функциональные взаимодействия белок-белок in vivo. [11] [12]

Вычислительные методы изучения интерактомов

После создания интерактома существует множество способов анализа его свойств. Однако существуют две важные цели такого анализа. 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 в себя следующее, среди многих других:

Проверка

Во-первых, необходимо оценить охват и качество интерактома. Интерактомы никогда не бывают полными, учитывая ограничения экспериментальных методов. Например, было подсчитано, что типичные скрининги Y2H обнаруживают только около 25% всех взаимодействий в интерактоме. [13] Охват интерактома можно оценить, сравнив его с эталонами известных взаимодействий, которые были обнаружены и подтверждены независимыми анализами. [14] Другие методы отфильтровывают ложные срабатывания, вычисляя сходство известных аннотаций вовлеченных белков или определяя вероятность взаимодействия с использованием субклеточной локализации этих белков. [15]

Прогнозирование PPI

Шизофрения ИПП. [16]

Используя экспериментальные данные в качестве отправной точки, перенос гомологии является одним из способов предсказания интерактомов. Здесь PPI из одного организма используются для предсказания взаимодействий между гомологичными белками в другом организме (« интерологи »). Однако этот подход имеет определенные ограничения, в первую очередь потому, что исходные данные могут быть ненадежными (например, содержать ложноположительные и ложноотрицательные результаты). [17] Кроме того, белки и их взаимодействия изменяются в ходе эволюции и, таким образом, могут быть утрачены или приобретены. Тем не менее, были предсказаны многочисленные интерактомы, например, интерактом Bacillus licheniformis . [18]

Некоторые алгоритмы используют экспериментальные данные о структурных комплексах, атомных деталях интерфейсов связывания и создают подробные атомные модели белок-белковых комплексов [19] [20], а также других взаимодействий белок-молекула. ​​[21] [22] Другие алгоритмы используют только информацию о последовательности, тем самым создавая беспристрастные полные сети взаимодействия со многими ошибками. [23]

Некоторые методы используют машинное обучение, чтобы различать, как взаимодействующие пары белков отличаются от невзаимодействующих пар белков с точки зрения парных особенностей, таких как клеточная колокализация, совместная экспрессия генов, насколько близко расположены на ДНК гены, кодирующие два белка, и т. д. [16] [24] Было обнаружено, что случайный лес является наиболее эффективным методом машинного обучения для прогнозирования взаимодействия белков. [25] Такие методы применялись для обнаружения взаимодействий белков в человеческом интерактоме, в частности, интерактоме мембранных белков [24] и интерактоме белков, связанных с шизофренией. [16]

Текстовый анализ PPI

Были предприняты некоторые попытки систематически извлекать сети взаимодействия непосредственно из научной литературы. Такие подходы варьируются по сложности от простой статистики совместного появления сущностей, которые упоминаются вместе в одном контексте (например, предложение), до сложных методов обработки естественного языка и машинного обучения для обнаружения взаимоотношений взаимодействия. [26]

Прогнозирование функции белка

Сети взаимодействия белков использовались для предсказания функции белков с неизвестными функциями. [27] [28] Обычно это основано на предположении, что нехарактеризованные белки имеют схожие функции с их взаимодействующими белками ( вина по ассоциации ). Например, было обнаружено, что YbeB, белок с неизвестной функцией, взаимодействует с рибосомальными белками, а позже было показано, что он участвует в бактериальной и эукариотической (но не архейной) трансляции . [29] Хотя такие предсказания могут быть основаны на отдельных взаимодействиях, обычно обнаруживается несколько взаимодействий. Таким образом, вся сеть взаимодействий может быть использована для предсказания функций белков, учитывая, что определенные функции обычно обогащены среди взаимодействующих веществ. [27] Термин гипотом использовался для обозначения интерактома, в котором по крайней мере один из генов или белков является гипотетическим белком . [30]

Возмущения и болезни

Топология интерактома делает определенные прогнозы относительно того, как сеть реагирует на возмущение (например, удаление) узлов (белков) или ребер (взаимодействий). [31] Такие возмущения могут быть вызваны мутациями генов и, следовательно, их белков, а реакция сети может проявляться как болезнь . [ 32] Сетевой анализ может идентифицировать лекарственные мишени и биомаркеры заболеваний. [33]

Структура и топология сети

Сети взаимодействия можно анализировать с помощью инструментов теории графов . Свойства сети включают распределение степеней , коэффициенты кластеризации , центральность промежуточности и многие другие. Распределение свойств среди белков интерактома показало, что сети интерактома часто имеют безмасштабную топологию [34], где функциональные модули внутри сети указывают на специализированные подсети. [35] Такие модули могут быть функциональными, как в сигнальном пути , или структурными, как в белковом комплексе. Фактически, это сложная задача, чтобы идентифицировать белковые комплексы в интерактоме, учитывая, что сеть сама по себе не показывает напрямую наличие стабильного комплекса.

Изучали интерактомы

Вирусные интерактомы

Интерактомы вирусных белков состоят из взаимодействий между вирусными или фаговыми белками. Они были одними из первых проектов интерактомов, поскольку их геномы малы, и все белки могут быть проанализированы с ограниченными ресурсами. Вирусные интерактомы связаны с интерактомами их хозяев, образуя сети взаимодействия вирус-хозяин. [36] Некоторые опубликованные вирусные интерактомы включают

Бактериофаг

Интерактомы лямбда и VZV важны не только для биологии этих вирусов, но и по техническим причинам: они были первыми интерактомами, которые были картированы с помощью нескольких векторов Y2H , что доказывает улучшенную стратегию для более полного изучения интерактомов, чем это было показано в предыдущих попытках.

Вирусы человека (млекопитающих)

Бактериальные интерактомы

Относительно небольшое количество бактерий были всесторонне изучены на предмет их белок-белковых 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 большинство этих исследований использовали только один метод, все из которых обнаруживают только подмножество взаимодействий. [13] Среди опубликованных бактериальных интерактомов (включая частичные) есть

Разновидностьбелки всеговзаимодействиятипссылка
Хеликобактер пилори1,553~3,004Y2H[47] [48]
Кампилобактер jejuni1,62311,687Y2H[49]
Бледная трепонема10403,649Y2H[50]
Escherichia coli4,288(5,993)АП/МС[51]
Escherichia coli4,2882,234Y2H[52]
Мезоризобий лоти6,7523,121Y2H[53]
Микобактерии туберкулеза3,959>8000В2Н[54]
Микоплазма гениталиум482АП/МС[55]
Synechocystis sp. PCC68033,2643,236Y2H[56]
Золотистый стафилококк (MRSA)2,65613,219АП/МС[57]

Интерактомы E. coli и Mycoplasma были проанализированы с использованием крупномасштабной комплексной аффинной очистки белков и масс-спектрометрии (AP/MS), поэтому нелегко вывести прямые взаимодействия. Другие использовали обширные дрожжевые двухгибридные (Y2H) скрининги. Интерактом Mycobacterium tuberculosis был проанализирован с использованием бактериального двухгибридного скрининга (B2H).

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

Эукариотические интерактомы

Было предпринято несколько попыток картировать эукариотические интерактомы с помощью методов HTP. Хотя ни один биологический интерактом не был полностью охарактеризован, более 90% белков в Saccharomyces cerevisiae были проверены, а их взаимодействия охарактеризованы, что делает его наиболее охарактеризованным интерактомом. [27] [58] [59] Виды, чьи интерактомы были изучены достаточно подробно, включают

Недавно с помощью HTP были описаны взаимодействия патогена и хозяина вируса гепатита С/человека (2008), [62] вируса Эпштейна-Барр/человека (2008), вируса гриппа/человека (2009) для определения основных молекулярных компонентов патогенов и иммунной системы их хозяина. [63]

Предсказанные интерактомы

Как описано выше, PPI и, таким образом, целые интерактомы могут быть предсказаны. Хотя надежность этих предсказаний является спорной, они предоставляют гипотезы, которые могут быть проверены экспериментально. Интерактомы были предсказаны для ряда видов, например

Представление предсказанного интерактома SARS-CoV-2/Human [72]

Сетевые свойства

Сети взаимодействия белков можно анализировать тем же инструментом, что и другие сети. Фактически, они разделяют многие свойства с биологическими или социальными сетями . Некоторые из основных характеристик следующие.

Интерактом белка Treponema pallidum . [50]

Распределение степеней

Распределение степеней описывает число белков, имеющих определенное число связей. Большинство сетей взаимодействия белков показывают распределение степеней без масштаба ( степенной закон ), где распределение связности P(k) ~ k −γ , где k — степень. Эту связь также можно рассматривать как прямую линию на графике в логарифмическом масштабе , поскольку приведенное выше уравнение равно log(P(k)) ~ —y•log(k). Одной из характеристик таких распределений является то, что существует много белков с небольшим количеством взаимодействий и мало белков, имеющих много взаимодействий, последние называются «концентраторами».

Хабы

Высокосвязанные узлы (белки) называются концентраторами. Хан и др. [73] ввели термин « концентратор вечеринки » для концентраторов, экспрессия которых коррелирует с их партнерами по взаимодействию. Концентраторы вечеринок также соединяют белки внутри функциональных модулей, таких как белковые комплексы. Напротив, « концентраторы дат » не демонстрируют такой корреляции и, по-видимому, соединяют различные функциональные модули. Концентраторы вечеринок встречаются преимущественно в наборах данных AP/MS, тогда как центры датировок встречаются преимущественно в бинарных картах сетей интерактома. [74] Обратите внимание, что обоснованность различия между центрами датировок и центрами вечеринок оспаривалась. [75] [76] Центры вечеринок обычно состоят из белков с несколькими интерфейсами, тогда как центры датировок чаще являются интерфейсными белками с одним взаимодействием. [77] В соответствии с ролью центров датировок в соединении различных процессов, у дрожжей количество бинарных взаимодействий данного белка коррелирует с количеством фенотипов, наблюдаемых для соответствующего мутантного гена в различных физиологических условиях. [74]

Модули

Узлы, участвующие в одном и том же биохимическом процессе, тесно взаимосвязаны. [33]

Эволюция

Эволюция сложности интерактома описана в исследовании, опубликованном в Nature . [78] В этом исследовании впервые отмечено, что границы между прокариотами , одноклеточными эукариотами и многоклеточными эукариотами сопровождаются порядком уменьшения эффективной численности популяции с одновременным усилением эффектов случайного генетического дрейфа . Результирующее снижение эффективности отбора, по-видимому, достаточно для того, чтобы неадаптивно повлиять на широкий спектр признаков на геномном уровне. Исследование Nature показывает, что вариация мощности случайного генетического дрейфа также способна влиять на филогенетическое разнообразие на субклеточном и клеточном уровнях. Таким образом, размер популяции следует рассматривать как потенциальный детерминант механистических путей, лежащих в основе долгосрочной фенотипической эволюции. В исследовании далее показано, что существует филогенетически широкая обратная связь между мощностью дрейфа и структурной целостностью белковых субъединиц. Таким образом, накопление умеренно вредных мутаций в популяциях небольшого размера вызывает вторичный отбор для белок-белковых взаимодействий , которые стабилизируют ключевые функции генов, смягчая структурную деградацию, вызванную неэффективным отбором. Таким образом, сложные белковые архитектуры и взаимодействия, необходимые для генезиса фенотипического разнообразия, могут изначально возникать посредством неадаптивных механизмов.

Критика, вызовы и ответы

Кимер и Чезарени [9] поднимают следующие вопросы о состоянии (около 2007 г.) этой области, особенно сравнительной интерактомики: Экспериментальные процедуры, связанные с этой областью, подвержены ошибкам, что приводит к «шумным 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 чрезвычайной чувствительности различных методов к небольшим экспериментальным вариациям. Например, идентичные условия в анализах Y2H приводят к совершенно разным взаимодействиям при использовании разных векторов Y2H. [13]

Методы могут быть предвзятыми, т. е. метод определяет, какие взаимодействия будут найдены. Фактически, любой метод имеет встроенные предвзятости, особенно белковые методы. Поскольку каждый белок отличается, ни один метод не может уловить свойства каждого белка. Например, большинство аналитических методов, которые хорошо работают с растворимыми белками, плохо справляются с мембранными белками. Это также верно для технологий Y2H и AP/MS.

Интерактомы не являются почти полными, за исключением, возможно, S. cerevisiae. Это не совсем критика, поскольку любая научная область изначально «неполна», пока не будут улучшены методологии. Интерактомика в 2015 году — это то, где секвенирование генома было в конце 1990-х, учитывая, что доступно всего несколько наборов данных интерактомов (см. таблицу выше).

В то время как 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 в отдаленно родственных видах. Хотя гомологичные последовательности ДНК можно найти относительно легко, гораздо сложнее предсказать гомологичные взаимодействия («интерологи»), поскольку гомологи двух взаимодействующих белков не обязательно должны взаимодействовать. Например, даже в пределах протеома два белка могут взаимодействовать, а их паралоги — нет.

Каждый белок-белковый интерактом может представлять собой лишь частичный образец потенциальных взаимодействий, даже если предположительно окончательная версия опубликована в научном журнале. Дополнительные факторы могут играть роль во взаимодействиях белков, которые еще не включены в интерактомы. Сила связывания различных белковых интеракторов, факторы микроокружения, чувствительность к различным процедурам и физиологическое состояние клетки — все это влияет на взаимодействия белок-белок, но обычно не учитывается в исследованиях интерактомов. [79]

Смотрите также

Ссылки

  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 интерактивный подход идентифицирует ABCA1 как прямую мишень эводиамина, который увеличивает отток холестерина из макрофагов. Sci Rep. 23 июля 2018 г.; 8 (1): 11061. дои: 10.1038/s41598-018-29281-1.
  2. ^ Хенна В., Портеус Д. (2009). Рейф А. (ред.). «Путь DISC1 модулирует экспрессию генов нейроразвития, синаптогенеза и сенсорного восприятия». PLOS ONE . 4 (3): e4906. Bibcode : 2009PLoSO...4.4906H. doi : 10.1371/journal.pone.0004906 . PMC  2654149. PMID  19300510 . Значок открытого доступа
  3. ^ Sanchez C; Lachaize C; Janody F; et al. (январь 1999). «Изучение 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. 
  4. ^ Шарма, Анкуш; Гаутам В.К.; Костантини С.; Паладино А.; Колонна Г. (февраль 2012 г.). «Интерактомические и фармакологические идеи человеческого Sirt-1». Front . Pharmacol . 3 : 40. doi : 10.3389/fphar.2012.00040 . PMC 3311038. PMID  22470339. 
  5. ^ Шарма, Анкуш; Константини С; Колонна G (март 2013 г.). «Сеть белок-белкового взаимодействия семейства сиртуинов человека». Biochimica et Biophysical Acta (BBA) - Белки и протеомика . 1834 (10): 1998–2009 . arXiv : 1302.6423 . Бибкод : 2013arXiv1302.6423S. дои : 10.1016/j.bbapap.2013.06.012. PMID  23811471. S2CID  15003130.
  6. ^ ab Uetz P. & Grigoriev A. (2005) Интерактом дрожжей. В Jorde, LB, Little, PFR, Dunn, MJ и Subramaniam, S. (редакторы), Энциклопедия генетики, геномики, протеомики и биоинформатики. John Wiley & Sons Ltd: Чичестер, том 5, стр. 2033-2051
  7. ^ Stumpf MP; Thorne T; de Silva E; et al. (май 2008 г.). «Оценка размера человеческого интерактома». Proc. Natl. Acad. Sci. USA . 105 (19): 6959– 64. Bibcode : 2008PNAS..105.6959S. doi : 10.1073 /pnas.0708078105 . PMC 2383957. PMID  18474861. 
  8. ^ Costanzo M; Baryshnikova A; Bellay J; et al. (2010-01-22). «Генетический ландшафт клетки». Science . 327 (5964): 425– 431. Bibcode :2010Sci...327..425C. doi :10.1126/science.1180823. PMC 5600254 . PMID  20093466. 
  9. ^ ab Kiemer, L; G Cesareni (2007). «Сравнительная интерактомика: сравнение яблок и груш?». Тенденции в биотехнологии . 25 (10): 448– 454. doi :10.1016/j.tibtech.2007.08.002. PMID  17825444.
  10. ^ Bruggeman, FJ; HV Westerhoff (2006). «Природа системной биологии». Trends in Microbiology . 15 (1): 45–50 . doi :10.1016/j.tim.2006.11.003. PMID  17113776.
  11. ^ Бреттнер, Леандра М.; Джоанна Масел (2012). «Липкость белка, а не количество функциональных белок-белковых взаимодействий, предсказывает шум экспрессии и пластичность у дрожжей». BMC Systems Biology . 6 : 128. doi : 10.1186/1752-0509-6-128 . PMC 3527306 . PMID  23017156.  Значок открытого доступа
  12. ^ Мукерджи, К; Слоусон; Кристманн; Гриффит (июнь 2014 г.). «Нейрон-специфические взаимодействия белков Drosophila CASK-ß выявляются с помощью масс-спектрометрии». Front. Mol. Neurosci . 7 : 58. doi : 10.3389/fnmol.2014.00058 . PMC 4075472 . PMID  25071438. 
  13. ^ abc Chen, YC; Rajagopala, SV; Stellberger, T.; Uetz, P. (2010). «Исчерпывающий бенчмаркинг дрожжевой двугибридной системы». Nature Methods . 7 (9): 667– 668, автор 668 668. doi :10.1038/nmeth0910-667. PMC 10332476 . PMID  20805792. S2CID  35834541. 
  14. ^ Раджагопала, С.В.; Хьюз, К.Т.; Уэтц, П. (2009). «Сравнительный анализ дрожжевых двухгибридных систем с использованием взаимодействий белков бактериальной подвижности». Протеомика . 9 (23): 5296– 5302. doi :10.1002/pmic.200900282. PMC 2818629. PMID  19834901 . 
  15. ^ Yanay Ofran, Guy Yachdav, Eyal Mozes, Ta-tsen Soong, Rajesh Nair & Burkhard Rost (июль 2006 г.). «Создание и оценка белковых сетей с помощью молекулярных характеристик отдельных белков». Биоинформатика . 22 (14): e402 – e407 . doi : 10.1093/bioinformatics/btl258 . PMID  16873500. {{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка )
  16. ^ abc Ganapathiraju MK, Thahir M, Handen A, Sarkar SN, Sweet RA, Nimgaonkar VL, Loscher CE, Bauer EM, Chaparala S (апрель 2016 г.). "Интерактом шизофрении с 504 новыми белок-белковыми взаимодействиями". npj Schizophrenia . 2 : 16012. doi :10.1038/npjschz.2016.12. PMC 4898894 . PMID  27336055. 
  17. ^ Мика С., Рост Б. (2006). «Взаимодействия белок–белок более консервативны в пределах вида, чем между видами». PLOS Computational Biology . 2 (7): e79. Bibcode : 2006PLSCB...2...79M. doi : 10.1371/journal.pcbi.0020079 . PMC 1513270. PMID  16854211 . 
  18. ^ Хан, Y.-C.; и др. (2016). «Прогнозирование и характеристика сети взаимодействия белок-белок в Bacillus licheniformis WX-02». Sci. Rep . 6 : 19486. Bibcode :2016NatSR...619486H. doi :10.1038/srep19486. PMC 4726086 . PMID  26782814. 
  19. ^ Kittichotirat W, Guerquin M, Bumgarner RE, Samudrala R (2009). "Protinfo PPC: веб-сервер для предсказания белковых комплексов на атомном уровне". Nucleic Acids Research . 37 (выпуск веб-сервера): W519 – W525 . doi :10.1093/nar/gkp306. PMC 2703994. PMID  19420059 .  
  20. ^ Tyagi, M; Hashimoto, K; Shoemaker, BA; Wuchty, S; Panchenko, AR (март 2012). «Крупномасштабное картирование интерактома человеческого белка с использованием структурных комплексов». EMBO Rep . 13 (3): 266–71 . doi :10.1038/embor.2011.261. PMC 3296913. PMID  22261719 . 
  21. ^ McDermott J, Guerquin M, Frazier Z, Chang AN, Samudrala R (2005). "BIOVERSE: Улучшения в структуре структурных, функциональных и контекстных аннотаций белков и протеомов". Nucleic Acids Research . 33 (выпуск веб-сервера): W324 – W325 . doi :10.1093/nar/gki401. PMC 1160162 . PMID  15980482.  
  22. ^ Shoemaker, BA; Zhang, D; Tyagi, M; Thangudu, RR; Fong, JH; Marchler-Bauer, A; Bryant, SH; Madej, T; Panchenko, AR (январь 2012 г.). «IBIS (Inferred Biomolecular Interaction Server) 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 .  Hopf TA, Schaerfe CP, Rodrigues JP, Green AG, Kohlbacher O, Sander C, Bonvin AM, Marks DS (2014). «Коэволюция 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.
  23. ^ Котляр М, Пастрелло С, Пиветта Ф, Ло Сардо А, Кумбаа С, Ли Х, Наранян Т, Ню Ю, Дин З, Вафаи Ф, Брокс-Картер Ф, Петшнигг Дж, Миллс ГБ, Юрисикова А, Стагляр I, Маэстро Р, Юришица 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.Hamp T, Rost B (2015). «Эволюционные профили улучшают предсказание взаимодействия белок-белок из последовательности». Биоинформатика . 31 (12): 1945–1950 . doi : 10.1093/bioinformatics/btv077 . PMID  25657331.Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). "Короткие сопутствующие полипептидные регионы могут предсказывать глобальные карты взаимодействия белков". Scientific Reports . 2 : 239. Bibcode :2012NatSR...2..239P. doi :10.1038/srep00239. PMC  3269044 . PMID  22355752.Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). "Короткие совместно встречающиеся полипептидные регионы могут предсказывать глобальные карты взаимодействия белков". Scientific Reports . 2 : 239. Bibcode :2012NatSR...2E.239P. doi :10.1038/srep00239. PMC  3269044 . PMID  22355752.
  24. ^ Аб Ци Ю, Дхиман Х.К., Бхола Н., Будяк И., Кар С., Ман Д., Дутта А., Тирупула К., Карр Б.И., Грандис Дж., Бар-Джозеф З., Кляйн-Ситхараман Дж. (декабрь 2009 г.). «Систематическое предсказание взаимодействий мембранных рецепторов человека». Протеомика . 9 (23): 5243–55 . doi :10.1002/pmic.200900259. ПМК 3076061 . ПМИД  19798668. 
  25. ^ Qi Y, Bar-Joseph Z, Klein-Seetharaman J (май 2006 г.). «Оценка различных биологических данных и методов вычислительной классификации для использования в прогнозировании взаимодействия белков». Proteins . 63 (3): 490– 500. doi :10.1002/prot.20865. PMC 3250929 . PMID  16450363. 
  26. ^ Хоффманн, Р.; Краллингер, М.; Андрес, Э.; Тамамес, Дж.; Блашке, К.; Валенсия, А. (2005). «Изучение текста для метаболических путей, сигнальных каскадов и белковых сетей». Science Signaling . 2005 (283): pe21. doi :10.1126/stke.2832005pe21. PMID  15886388. S2CID  15301069.
  27. ^ abc Schwikowski, B.; Uetz, P.; Fields, S. (2000). «Сеть белок-белковых взаимодействий в дрожжах». Nature Biotechnology . 18 (12): 1257– 1261. doi :10.1038/82360. PMID  11101803. S2CID  3009359.
  28. ^ Макдермотт Дж., Бамгарнер Р. Э., Самудрала Р. (2005). «Функциональная аннотация из предсказанных сетей взаимодействия белков». Биоинформатика . 21 (15): 3217– 3226. doi : 10.1093/bioinformatics/bti514 . PMID  15919725.
  29. ^ Раджагопала, С. В.; Сикорский, П.; Кауфилд, Дж. Х.; Товчигречко, А.; Уэтц, П. (2012). «Изучение белковых комплексов с помощью дрожжевой двугибридной системы». Методы . 58 (4): 392–399 . doi :10.1016/j.ymeth.2012.07.015. PMC 3517932. PMID  22841565 . 
  30. ^ Desler C, Zambach S, Suravajhala P, Rasmussen LJ (2014). «Введение в гипотом: способ интеграции предсказанных белков в интерактомы». Международный журнал исследований и приложений биоинформатики . 10 (6): 647–52 . doi :10.1504/IJBRA.2014.065247. PMID  25335568.
  31. ^ Бараб, А. -Л.; Олтвай, З. (2004). «Сетевая биология: понимание функциональной организации клетки». Nature Reviews Genetics . 5 (2): 101– 113. doi :10.1038/nrg1272. PMID  14735121. S2CID  10950726.
  32. ^ Го, К. -И.; Чой, И. -Г. (2012). «Изучение человеческих болезней: сеть человеческих болезней». Briefings in Functional Genomics . 11 (6): 533–542 . doi : 10.1093/bfgp/els032 . PMID  23063808.
  33. ^ ab Barabási, AL; Gulbahce, N; Loscalzo, J (2011). «Сетевая медицина: сетевой подход к человеческим болезням». Nature Reviews Genetics . 12 (1): 56– 68. doi :10.1038/nrg2918. PMC 3140052. PMID 21164525  . 
  34. ^ Альберт-Ласло Барабаши и Золтан Н. Олтвай (февраль 2004 г.). «Сетевая биология: понимание функциональной организации клетки». Nature Reviews. Genetics . 5 (2): 101– 113. doi :10.1038/nrg1272. PMID  14735121. S2CID  10950726.
  35. ^ Гао, Л.; Сан, ПГ; Сонг, Дж. (2009). «Алгоритмы кластеризации для обнаружения функциональных модулей в сетях взаимодействия белков». Журнал биоинформатики и вычислительной биологии . 7 (1): 217– 242. doi :10.1142/S0219720009004023. PMID  19226668.
  36. ^ Навратил В.; и др. (2009). «VirHostNet: база знаний для управления и анализа сетей взаимодействия вирусов и хозяев на уровне протеома». Nucleic Acids Res . 37 (выпуск базы данных): D661–8. doi :10.1093/nar/gkn794. PMC 2686459. PMID 18984613  . 
  37. ^ Rajagopala SV.; et al. (2011). "Карта взаимодействия белков бактериофага лямбда". BMC Microbiol . 11 : 213. doi : 10.1186/1471-2180-11-213 . PMC 3224144. PMID  21943085 .  Значок открытого доступа
  38. ^ Bartel PL, Roecklein JA, SenGupta D, Fields S (1996). «Карта связей белков бактериофага T7 Escherichia coli». Nat. Genet . 12 (1): 72– 7. doi :10.1038/ng0196-72. PMID  8528255. S2CID  37155819.
  39. ^ Sabri M.; et al. (2011). «Аннотация генома и внутривирусный интерактом для вирулентного фага Streptococcus pneumoniae Dp-1». J. Bacteriol . 193 (2): 551– 62. doi :10.1128/JB.01117-10. PMC 3019816. PMID 21097633  . 
  40. ^ Häuser R.; et al. (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  . 
  41. ^ Stellberger, T.; et al. (2010). «Улучшение дрожжевой двугибридной системы с помощью переставленных белков слияния: интерактом вируса Varicella Zoster». Proteome Sci . 8 : 8. doi : 10.1186/1477-5956-8-8 . PMC 2832230. PMID  20205919 . 
  42. ^ Кумар, К.; Рана, Дж.; Шриджит, Р.; Габрани, Р.; Шарма, СК; Гупта, А.; Чаудхари, ВК; Гупта, С. (2012). «Интравирусные белковые взаимодействия вируса Чандипура». Архив вирусологии . 157 (10): 1949–1957 . doi : 10.1007/s00705-012-1389-5. PMID  22763614. S2CID  17714252.
  43. ^ abcd Fossum, E; et al. (2009). Sun, Ren (ред.). "Эволюционно консервативные сети взаимодействия белков герпесвирусов". PLOS Pathog . 5 (9): e1000570. doi : 10.1371/journal.ppat.1000570 . PMC 2731838. PMID  19730696 .  Значок открытого доступа
  44. ^ Хаген, Н.; Байер, К.; Реш, К.; Шиндлер, М. (2014). «Сеть внутривирусного взаимодействия белков вируса гепатита С». Молекулярная и клеточная протеомика . 13 (7): 1676–89 . doi : 10.1074 /mcp.M113.036301 . PMC 4083108. PMID  24797426. 
  45. ^ Хан, Y; Ниу, J; Ван, D; Ли, Y (2016). «Анализ сети взаимодействия белков вируса гепатита C на основе гепатоцеллюлярной карциномы». PLOS ONE . 11 (4): e0153882. Bibcode : 2016PLoSO..1153882H. doi : 10.1371 /journal.pone.0153882 . PMC 4846009. PMID  27115606. 
  46. ^ Остерман А, Стеллбергер Т, Гебхардт А, Курц М, Фридель CC, Уец П, Ничко Х, Байкер А, Визосо-Пинто М.Г. (2015). «Интравирусный интерактом вируса гепатита Е». Научный представитель . 5 : 13872. Бибкод : 2015NatSR...513872O. дои : 10.1038/srep13872. ПМЦ 4604457 . ПМИД  26463011. 
  47. ^ Рейн, JC; Селиг, Л.; Де Рёз, Х.; Батталья, VR; Реверди, CL; Саймон, СП; Ленцен, Г.; Петель, Ф.; Войчик, JRM; Шехтер, В.; Чемама, Ю.; Лабинь, AS; Легрен, П. (2001). «Карта белок-белкового взаимодействия Helicobacter pylori». Природа . 409 (6817): 211–215 . Бибкод : 2001Natur.409..211R. дои : 10.1038/35051615. PMID  11196647. S2CID  4400094.
  48. ^ Häuser, R; Ceol, A; Rajagopala, SV; Mosca, R; Siszler, G; Wermke, N; Sikorski, P; Schwarz, F; Schick, M; Wuchty, S; Aloy, P; Uetz, P (2014). "Сеть взаимодействия белок-белок второго поколения Helicobacter pylori". Молекулярная и клеточная протеомика . 13 (5): 1318– 29. doi : 10.1074/mcp.O113.033571 . PMC 4014287. PMID  24627523 . 
  49. ^ Parrish, JR; et al. (2007). "Карта взаимодействия белков по всему протеому для Campylobacter jejuni". Genome Biol . 8 (7): R130. doi : 10.1186/gb-2007-8-7-r130 . PMC 2323224. PMID  17615063 . 
  50. ^ ab Rajagopala, SV; Titz, BR; Goll, J.; Häuser, R.; McKevitt, MT; Palzkill, T.; Uetz, P. (2008). Hall, Neil (ред.). "Бинарный белковый интерактом Treponema pallidum – спирохета сифилиса". PLOS ONE . 3 (5): e2292. Bibcode : 2008PLoSO...3.2292T. doi : 10.1371/journal.pone.0002292 . PMC 2386257. PMID  18509523 . 
  51. ^ Ху, П; и др. (2009). Левченко, Андре (ред.). «Глобальный функциональный атлас Escherichia coli, охватывающий ранее нехарактеризованные белки». PLOS Biol . 7 (4): e96. doi : 10.1371/journal.pbio.1000096 . PMC 2672614. PMID  19402753 .  Значок открытого доступа
  52. ^ Раджагопала, СВ; Сикорский, П; Кумар, А; Моска, Р; Власблом, Дж; Арнольд, Р; Франка-Ко, Дж; Пакала, СБ; Фанс, С; Сеол, А; Хойзер, Р; Сислер, Г; Вухти, С; Эмили, А; Бабу, М; Элой, П; Пипер, Р; Утц, П. (2014). «Ландшафт бинарного белок-белкового взаимодействия Escherichia coli». Природная биотехнология . 32 (3): 285–90 . doi : 10.1038/nbt.2831. ПМК 4123855 . ПМИД  24561554. 
  53. ^ Shimoda, Y.; Shinpo, S.; Kohara, M.; Nakamura, Y.; Tabata, S.; Sato, S. (2008). «Крупномасштабный анализ белок-белковых взаимодействий в азотфиксирующей бактерии Mesorhizobium loti». DNA Research . 15 (1): 13– 23. doi :10.1093/dnares/dsm028. PMC 2650630. PMID  18192278 . 
  54. ^ Ван, Ю.; Кюи, Т.; Чжан, К.; Ян, М.; Хуанг, Ю.; Ли, В.; Чжан, Л.; Гао, К.; Привет.; Ли, Ю.; Хуанг, Ф.; Цзэн, Дж.; Хуанг, К.; Ян, К.; Тиан, Ю.; Чжао, К.; Чен, Х.; Чжан, Х.; Он, ЗГ (2010). «Глобальная сеть межбелковых взаимодействий у патогена человека Mycobacterium TuberculosisH37Rv». Журнал исследований протеома . 9 (12): 6665–6677 . doi :10.1021/pr100808n. ПМИД  20973567.
  55. ^ Кунер, С.; Ван Ноорт, В.; Беттс, MJ; Лео-Масиас, А.; Батисс, К.; Роде, М.; Ямада, Т.; Майер, Т.; Бадер, С.; Бельтран-Альварес, П.; Кастаньо-Дьес, Д.; Чен, В.-Х.; Девос, Д.; Гуэль, М.; Норамбуэна, Т.; Раке, И.; Рыбин В.; Шмидт, А.; Юс, Э.; Эберсолд, Р.; Херрманн, Р.; Бетчер, Б.; Франгакис, А.С.; Рассел, РБ; Серрано, Л.; Борк, П.; Гэвин, А.-К. (2009). «Организация протеома в бактерии с редуцированным геномом». Наука . 326 (5957): 1235– 1240. Bibcode : 2009Sci...326.1235K. doi : 10.1126/science.1176343. PMID  19965468. S2CID  19334426.
  56. ^ Сато, С.; Симода, Ю.; Мураки, А.; Кохара, М.; Накамура, Ю.; Табата, С. (2007). «Крупномасштабный анализ взаимодействия белков в Synechocystis sp. PCC6803». Исследование ДНК . 14 (5): 207–216 . doi :10.1093/dnares/dsm021. ПМК 2779905 . ПМИД  18000013. 
  57. ^ Черкасов, А; Хсинг, М; Зораги, Р; Фостер, Л. Дж.; Си, Р. Х.; Стойнов, Н.; Цзян, Дж.; Каур, С.; Лиан, Т.; Джексон, Л.; Гонг, Х.; Суэйзи, Р.; Амандорон, Э.; Хормоздиари, Ф.; Дао, П.; Сахиналп, К.; Сантос-Фильо, О.; Аксерио-Силиес, П.; Байлер, К.; Макмастер, В. Р.; Брунхэм, Р. К.; Финлей, Б. Б.; Рейнер, Н. Э. (2011). «Картирование сети взаимодействия белков в метициллин-резистентном золотистом стафилококке ». Журнал исследований протеома . 10 (3): 1139– 50. doi :10.1021/pr100918u. PMID  21166474.
  58. ^ Uetz, P.; Giot, L.; Cagney, G.; Mansfield, TA; Judson, RS; Knight, JR; Lockshon, D.; Narayan, V. (2000). «Комплексный анализ белок-белковых взаимодействий в Saccharomyces cerevisiae». Nature . 403 (6770): 623– 627. Bibcode :2000Natur.403..623U. doi :10.1038/35001009. PMID  10688190. S2CID  4352495.
  59. ^ Кроган, Н. Дж. и др. (2006). «Глобальный ландшафт белковых комплексов в дрожжах Saccharomyeses Cerivisiae ». Nature . 440 (7084): 637– 643. Bibcode : 2006Natur.440..637K. doi : 10.1038/nature04670. PMID  16554755. S2CID  72422.
  60. ^ Pancaldi V, Saraç OS, Rallis C, McLean JR, Převorovský M, Gould K, Beyer A, Bähler J (2012). «Предсказание сети взаимодействия белков делящихся дрожжей». G3: Genes, Genomes, Genetics . 2 ( 4): 453–67 . doi :10.1534/g3.111.001560. PMC 3337474. PMID  22540037. 
  61. ^ Vo, TV; et al. (2016). «Протеомный интерактивный дрожжевой делетель раскрывает принципы сетевой эволюции от дрожжей к человеку». Cell . 164 ( 1– 2): 310– 323. doi :10.1016/j.cell.2015.11.037. PMC 4715267 . PMID  26771498. 
  62. ^ de Chassey B; Navratil V; Tafforeau L; et al. (2008-11-04). "Сеть белков инфекции вируса гепатита C". Молекулярная системная биология . 4 (4): 230. doi :10.1038/msb.2008.66. PMC 2600670. PMID  18985028 . 
  63. ^ Navratil V; de Chassey B; et al. (2010-11-05). «Системное сравнение белок-белковых взаимодействий между вирусами и сетью системы человеческого интерферона I типа». Журнал исследований протеома . 9 (7): 3527– 36. doi :10.1021/pr100326j. PMID  20459142.
  64. ^ Браун КР, Юрисика И (2005). "Онлайн-база данных прогнозируемого человеческого взаимодействия". Биоинформатика . 21 (9): 2076–82 . doi : 10.1093/bioinformatics/bti273 . PMID  15657099.
  65. ^ Gu H, Zhu P, Jiao Y, Meng Y, Chen M (2011). "PRIN: предсказанная сеть интерактомов риса". BMC Bioinformatics . 12 : 161. doi : 10.1186/1471-2105-12-161 . PMC 3118165. PMID  21575196 . 
  66. ^ Guo J, Li H, Chang JW, Lei Y, Li S, Chen LL (2013). «Прогнозирование и характеристика сети взаимодействия белок–белок в Xanthomonas oryzae pv. oryzae PXO99 A». Res. Microbiol . 164 (10): 1035– 44. doi : 10.1016/j.resmic.2013.09.001 . PMID  24113387.
  67. ^ Geisler-Lee J, O'Toole N, Ammar R, Provart NJ, Millar AH, Geisler M (2007). «Предсказанный интерактом для Arabidopsis». Plant Physiol . 145 (2): 317–29 . doi :10.1104/pp.107.103465. PMC 2048726. PMID  17675552 . 
  68. ^ Юэ, Цзюньян; Сюй, Вэй; Пан, Ронджун; Хуан, Шэнсюн; Мяо, Мин; Тан, Сяофэн; Лю, Гоцин; Лю, Юншэн (01 января 2016 г.). «PTIR: Прогнозируемый ресурс интерактома томата». Научные отчеты . 6 : 25047. Бибкод : 2016NatSR...625047Y. дои : 10.1038/srep25047. ISSN  2045-2322. ПМЦ 4848565 . ПМИД  27121261. 
  69. ^ Yang, Jianhua; Osman, Kim; Iqbal, Mudassar; Stekel, Dov J.; Luo, Zewei; Armstrong, Susan J.; Franklin, F. Chris H. (01.01.2012). "Вывод интерактома Brassica rapa с использованием данных о взаимодействии белков с Arabidopsis thaliana". Frontiers in Plant Science . 3 : 297. doi : 10.3389/fpls.2012.00297 . ISSN  1664-462X. PMC 3537189. PMID 23293649  . 
  70. ^ Чжу, Гуанхуэй; Ву, Айбо; Сюй, Синь-Цзянь; Сяо, Пей-Пей; Лу, Ле; Лю, Цзиндун; Цао, Юнвэй; Чен, Луонань; Ву, Цзюнь (01 февраля 2016 г.). «PPIM: база данных межбелковых взаимодействий кукурузы». Физиология растений . 170 (2): 618–626 . doi : 10.1104/стр.15.01821. ISSN  1532-2548. ПМЦ 4734591 . ПМИД  26620522. 
  71. ^ Роджерс-Мельник, Эли; Калп, Марк; ДиФацио, Стивен П. (2013-01-01). «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 . 
  72. ^ ab Guzzi PH, Mercatelli D, Ceraolo C, Giorgi FM (2020). «Анализ главного регулятора взаимодействия SARS-CoV-2 и человека». Журнал клинической медицины . 9 (4): 982–988 . doi : 10.3390/jcm9040982 . PMC 7230814. PMID  32244779 . 
  73. ^ Хан, JD; Бертин, N; Хао, T; Голдберг, DS; Берриз, GF; Чжан, LV; Дюпюи, D; Уолхаут, AJ; Касик, ME; Рот, FP; Видал, M (2004). «Доказательства динамически организованной модульности в сети взаимодействия белок-белок дрожжей». Nature . 430 (6995): 88– 93. Bibcode :2004Natur.430...88H. doi :10.1038/nature02555. PMID  15190252. S2CID  4426721.
  74. ^ ab Yu, H; Braun, P; Yildirim, MA; Lemmens, I; Venkatesan, K; Sahalie, J; Hirozane-Kishikawa, T; Gebreab, F; Li, N; Simonis, N; Hao, T; Rual, JF; Dricot, A; Vazquez, A; Murray, RR; Simon, C; Tardivo, L; Tam, S; Svrzikapa, N; Fan, C; De Smet, AS; Motyl, A; Hudson, ME; Park, J; Xin, X; Cusick, ME; Moore, T; Boone, C; Snyder, M; Roth, FP (2008). "Высококачественная карта бинарных взаимодействий белков сети интерактомов дрожжей". Science . 322 (5898): 104– 10. Bibcode :2008Sci...322..104Y. doi :10.1126/science.1158684. PMC 2746753. PMID  18719252 . 
  75. ^ Батада, NN; Регули, T; Брейткрейц, A; Буше, L; Брейткрейц, BJ; Херст, LD; Тайерс, M (2006). «Stratus not altocumulus: новый взгляд на сеть взаимодействия белков дрожжей». PLOS Biology . 4 (10): e317. doi : 10.1371/journal.pbio.0040317 . PMC 1569888. PMID  16984220 . 
  76. ^ Бертин, Н.; Симонис, Н.; Дюпюи, Д.; Касик, М.Е.; Хан, Дж.Д.; Фрейзер, Х.Б.; Рот, Ф.П.; Видал, М. (2007). «Подтверждение организованной модульности в интерактоме дрожжей». PLOS Biology . 5 (6): e153. doi : 10.1371/journal.pbio.0050153 . PMC 1892830. PMID  17564493 . 
  77. ^ Ким, ПМ; Лу, ЛДж; Ся, И; Герштейн, МБ (2006). «Связь трехмерных структур с белковыми сетями дает эволюционные идеи». Science . 314 (5807): 1938– 41. Bibcode :2006Sci...314.1938K. doi :10.1126/science.1136174. PMID  17185604. S2CID  2489619.
  78. ^ Фернандес, А.; М. Линч (2011). «Неадаптивные истоки сложности интерактома». Nature . 474 (7352): 502– 505. doi :10.1038/nature09992. PMC 3121905 . PMID  21593762. 
  79. ^ Уэлч, Г. Рики (январь 2009 г.). «Нечеткий интерактом». Тенденции в биохимических науках . 34 (1): 1– 2. doi :10.1016/j.tibs.2008.10.007. PMID  19028099.

Дальнейшее чтение

  • Park J, Lappe M, Teichmann SA (март 2001 г.). «Картирование взаимодействий семейств белков: внутримолекулярные и межмолекулярные репертуары взаимодействия семейств белков в PDB и дрожжах». J Mol Biol . 307 (3): 929–38 . doi :10.1006/jmbi.2001.4526. PMID  11273711.

Веб-серверы Interactome

  • Protinfo PPC предсказывает атомную 3D-структуру белковых комплексов. Kittichotirat W, Guerquin M, Bumgarner R, Samudrala R (2009). "Protinfo PPC: веб-сервер для предсказания белковых комплексов на атомном уровне". Nucleic Acids Research . 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 белков.

Инструменты визуализации Interactome

  • GPS-Prot Архивировано 12 апреля 2023 г. в Wayback Machine Веб-визуализация данных для взаимодействия белков
  • PINV - Визуализатор сетей взаимодействия белков Архивировано 03.12.2022 на Wayback Machine

Базы данных Interactome

  • База данных BioGRID
  • mentha браузер интерактома Calderone; et al. (2013). "mentha: ресурс для просмотра интегрированных сетей взаимодействия белков". Nature Methods . 10 (8): 690– 691. doi :10.1038/nmeth.2561. PMID  23900247. S2CID  9733108.
  • IntAct: База данных молекулярных взаимодействий
  • Interactome.org Архивировано 20 августа 2008 г. на Wayback Machine — специализированном веб-сайте, посвященном интерактивному контенту.
Retrieved from "https://en.wikipedia.org/w/index.php?title=Interactome&oldid=1254574826"