蛋白质相互作用的应用

 

   根据蛋白质相互作用对蛋白质进行功能注释来源于对已有的实验信息的观察和分析。在已有的实验数据中，生物学家发现，相互作用的蛋白质大多具有相同的功能。应用*早*简单的方法是“连生”法(guiltbyassociation)。其原理是：如果一未知功能蛋白质与一已知功能蛋白质相互作用，则可以将已知蛋白质的功能赋予给未知功能的蛋白质。这一原理随后被进一步地应用到了蛋白质相互作用的网络，称为多数决定原则(majorityruleassignment)，即在蛋白质相互作用的网络中，如果与未知功能的蛋白质X相互作用的几个蛋白质都具有同一功能，则未知蛋白质X也具有相同的功能。当与未知功能蛋白质相互作用的几种蛋白质所具有的功能有差异时，则未知蛋白质功能的注释将依据多数的原则，即与其他占多数的蛋白质功能一致。但是该方法的缺点是不仅不能对相互作用的两个蛋白质都是未知蛋白进行功能预测，而且对于一个蛋白质相联的蛋白质分属于不同功能的个数相同的情况，也很难对该蛋白质进行功能预测。为此，Hishigaki等人提出了一种对邻近的几个蛋白质进行统计的方法，而不仅仅采用与之有直接相关的蛋白质。但是，这个距离的度很难把握。随后，Zhou等人提出一种非本地方法，即应用表达谱之间相关性得到的网络图中的*短距离来预测蛋白质功能。该方法为从非本地化角度提供了一种新的思路。

 

   上面的方法主要是根据蛋白质相互作用网络的局部进行的功能预测，为了充分利用蛋白质相互作用的数据更系统地为蛋白质赋予功能，又有几种从全局的角度进行功能预测的方法被开发出来。Deng等人基于马尔可夫随机模型开发了一个数学模型，该模型不再是对相互作用蛋白质功能之间简单的查询，而是应用贝叶斯方法对未知蛋白质赋予一个功能并给出一个概率，相当于给了一个可信度。Vazquez等人应用模拟退火算法，对整个网络中的未知蛋白质赋予功能，然后找到能量*低的组合，这样对每一个未知蛋白质都赋予功能，并给出一个概率。Karaoz等人在整合了基因表达数据的基础上应用Hopfield网络技术的局部阈值原则(10cal—thresholdrule)使得整个网络达到一个稳态，这样对整个网络中的未知蛋白都进行了功能预测。

 

   在研究蛋白质相互作用的过程中，往往会发现所研究物种的蛋白质相互作用的信息少，很难预测与其相互作用的其他蛋白质。在这种情况下，可以利用其他物种中的相关信息来提供帮助。如可以寻找其他物种中与所研究的蛋白质同源的蛋白质，利用相关的方法寻找与其相互作用的其他蛋白质，然后，再根据同源性找出所研究物种中的蛋白质，从而为实验提供相关的线索。