stringtranslate.com

Взаимодействие белок-белок

Подковообразный ингибитор рибонуклеазы (показан в виде каркаса) образует белок-белковое взаимодействие с белком рибонуклеазы. Контакты между двумя белками показаны в виде цветных пятен.

Белково-белковые взаимодействия ( PPI ) представляют собой физические контакты высокой специфичности, устанавливаемые между двумя или более молекулами белка в результате биохимических событий, управляемых взаимодействиями, включающими 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 определенном биомолекулярном контексте.

Белки редко действуют в одиночку, поскольку их функции, как правило, регулируются. Многие молекулярные процессы внутри клетки выполняются молекулярными машинами , которые построены из многочисленных белковых компонентов, организованных их PPI. Эти физиологические взаимодействия составляют так называемую интерактомику организма, в то время как аберрантные PPI являются основой множественных заболеваний, связанных с агрегацией, таких как болезнь Крейтцфельдта-Якоба и болезнь Альцгеймера .

ИПВ изучались многими методами и с разных точек зрения: биохимия , квантовая химия , молекулярная динамика , сигнальная трансдукция и т. д. [1] [2] [3] Вся эта информация позволяет создавать крупные сети взаимодействия белков [4] – подобные метаболическим или генетическим/эпигенетическим сетям – которые расширяют современные знания о биохимических каскадах и молекулярной этиологии заболеваний, а также открывать предполагаемые белковые мишени, представляющие терапевтический интерес.

Примеры

Белки переноса электронов

Во многих метаболических реакциях белок, который действует как переносчик электронов, связывается с ферментом, который действует как его редуктаза . Получив электрон, он диссоциирует, а затем связывается со следующим ферментом, который действует как его оксидаза (т. е. акцептор электрона). Эти взаимодействия между белками зависят от высокоспецифического связывания между белками для обеспечения эффективного переноса электронов. Примеры: компоненты системы митохондриальной цепи окислительного фосфорилирования цитохром c-редуктаза / цитохром c / цитохром c 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 поздние работы по филогении редуктазы показали, что эти остатки, участвующие в белок-белковых взаимодействиях, сохранялись на протяжении всей эволюции этого фермента. [7]

Передача сигнала

Активность клетки регулируется внеклеточными сигналами. Распространение сигнала внутри и/или по внутренней части клеток зависит от PPI ​​между различными сигнальными молекулами. Рекрутирование сигнальных путей через PPI называется сигнальной трансдукцией и играет фундаментальную роль во многих биологических процессах и во многих заболеваниях, включая болезнь Паркинсона и рак.

Мембранный транспорт

Белок может переносить другой белок (например, из цитоплазмы в ядро ​​или наоборот в случае импортинов ядерной поры ). [ необходима цитата ]

Метаболизм клеток

Во многих биосинтетических процессах ферменты взаимодействуют друг с другом, образуя небольшие соединения или другие макромолекулы. [ необходима цитата ]

Сокращение мышц

Физиология сокращения мышц включает несколько взаимодействий. Миозиновые нити действуют как молекулярные моторы и, связываясь с актином, обеспечивают скольжение нитей. [8] Кроме того, члены семейства белков, ассоциированных с липидными каплями скелетных мышц , ассоциируются с другими белками, как активатор жировой триглицеридлипазы и ее коактиватор сравнительной идентификации гена-58, для регулирования липолиза в скелетных мышцах.

Типы

Для описания типов белок-белковых взаимодействий (PPI) важно учитывать, что белки могут взаимодействовать «транзиентным» образом (производить некоторый специфический эффект за короткое время, например, передачу сигнала) или взаимодействовать с другими белками «стабильным» образом, образуя комплексы, которые становятся молекулярными машинами в живых системах. Сборка белкового комплекса может привести к образованию гомоолигомерных или гетероолигомерных комплексов . В дополнение к обычным комплексам, таким как фермент-ингибитор и антитело-антиген, взаимодействия также могут быть установлены между доменом-доменом и доменом-пептидом. Другим важным отличием для идентификации белок-белковых взаимодействий является способ, которым они были определены, поскольку существуют методы, которые измеряют прямые физические взаимодействия между парами белков, называемые «бинарными» методами, в то время как существуют другие методы, которые измеряют физические взаимодействия между группами белков, без попарного определения белковых партнеров, называемые методами «ко-комплекса».

Гомоолигомеры против гетероолигомеров

Гомоолигомеры представляют собой макромолекулярные комплексы, состоящие только из одного типа белковых субъединиц . Сборка белковых субъединиц направляется установлением нековалентных взаимодействий в четвертичной структуре белка. Разрушение гомоолигомеров для возврата к исходным индивидуальным мономерам часто требует денатурации комплекса. [9] Несколько ферментов , белков-носителей , каркасных белков и факторов регуляции транскрипции выполняют свои функции как гомоолигомеры. Отдельные белковые субъединицы взаимодействуют в гетероолигомерах, которые необходимы для управления несколькими клеточными функциями. Важность коммуникации между гетерологичными белками еще более очевидна во время событий клеточной сигнализации, 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 случай гомоолигомеров (например, цитохрома c ) и некоторых гетероолигомерных белков, как субъединиц АТФазы . С другой стороны, белок может взаимодействовать кратковременно и обратимым образом с другими белками только в определенных клеточных контекстах – тип клетки , стадия клеточного цикла , внешние факторы, присутствие других связывающих белков и т. д. – как это происходит с большинством белков, участвующих 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 рецептора с лигандом. [11] Взаимодействия между внутренне неупорядоченными областями белка и глобулярными доменами белка (т.е. MoRF ) являются временными взаимодействиями. [12]

Ковалентный против нековалентного

Ковалентные взаимодействия — это те, которые имеют самую сильную ассоциацию и образованы дисульфидными связями или электронным обменом . Хотя эти взаимодействия редки, они являются определяющими в некоторых посттрансляционных модификациях , таких как убиквитинирование и SUMOylation . Нековалентные связи обычно устанавливаются во время транзиентных взаимодействий путем объединения 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 разных, но гомологичных белков, показали, что некоторые интерфейсные молекулы воды сохраняются между гомологичными комплексами. Большинство интерфейсных молекул воды образуют водородные связи с обоими партнерами каждого комплекса. Некоторые интерфейсные аминокислотные остатки или атомные группы одного белкового партнера участвуют как в прямых, так и в опосредованных водой взаимодействиях с другим белковым партнером. Двойные косвенные взаимодействия, опосредованные двумя молекулами воды, более многочисленны в гомологичных комплексах с низким сродством. [16] Тщательно проведенные эксперименты по мутагенезу, например, замена остатка тирозина на фенилаланин, показали, что опосредованные водой взаимодействия могут вносить вклад в энергию взаимодействия. [17] Таким образом, молекулы воды могут облегчать взаимодействия и перекрестное распознавание между белками.

Структура

Молекулярные структуры многих белковых комплексов были раскрыты с помощью метода рентгеновской кристаллографии . [18] [19] Первой структурой, которая была решена с помощью этого метода, была структура миоглобина кашалота сэром Джоном Каудери Кендрю . [20] В этом методе углы и интенсивности пучка рентгеновских лучей, дифрагированных кристаллическими атомами, определяются в пленке, таким образом создавая трехмерную картину плотности электронов внутри кристалла. [21]

Позднее ядерный магнитный резонанс также начали применять с целью расшифровки молекулярной структуры белковых комплексов. Одним из первых примеров была структура доменов связывания кальмодулина, связанных с кальмодулином . [19] [22] Эта техника основана на изучении магнитных свойств атомных ядер, таким образом определяя физические и химические свойства соответствующих атомов или молекул. Ядерный магнитный резонанс выгоден для характеристики слабых PPI. [23]

Домены взаимодействия белок-белок

Некоторые белки имеют специфические структурные домены или мотивы последовательности , которые обеспечивают связывание с другими белками. Вот несколько примеров таких доменов:

Домены SH2 структурно состоят из трехцепочечного скрученного бета-слоя, окруженного двумя альфа-спиралями. Наличие глубокого кармана связывания с высоким сродством к фосфотирозину , но не к фосфосерину или фосфотреонину , необходимо для распознавания фосфорилированных тирозином белков, в основном автофосфорилированных рецепторов факторов роста . Белки, связывающие рецепторы факторов роста, и фосфолипаза C γ являются примерами белков, которые имеют домены SH2. [24]
Структурно домены SH3 состоят из бета-бочки, образованной двумя ортогональными бета-слоями и тремя антипараллельными бета-тяжами. Эти домены распознают последовательности, обогащенные пролином , как полипролиновую спиральную структуру типа II (мотивы PXXP) [ требуется проверка ] в сигнальных белках клеток, таких как протеинтирозинкиназы и связанный с рецептором фактора роста белок 2 ( Grb2 ). [24]
Домены PTB взаимодействуют с последовательностями, содержащими группу фосфотирозина. Эти домены можно найти в субстрате рецептора инсулина . [24]
Домены LIM были первоначально идентифицированы в трех гомеодоменных факторах транскрипции (lin11, is11 и mec3). В дополнение к этим гомеодоменным белкам и другим белкам, участвующим в развитии, домены LIM также были идентифицированы в негомеодоменных белках с соответствующими ролями в клеточной дифференциации , ассоциации с цитоскелетом и старением . Эти домены содержат тандемный цистеин-богатый мотив Zn 2+ -finger и охватывают консенсусную последовательность CX2CX16-23HX2CX2CX2CX16-21CX2C/H/D. Домены LIM связываются с доменами PDZ, факторами транскрипции bHLH и другими доменами LIM. [24]
Домены SAM состоят из пяти спиралей, образующих компактную упаковку с консервативным гидрофобным ядром . Эти домены, которые можно найти в рецепторе Eph и молекуле стромального взаимодействия ( STIM ), например, связываются с белками, не содержащими домен SAM, и они также, по-видимому, обладают способностью связывать РНК . [24]
Домены PDZ были впервые идентифицированы в трех гуанилаткиназах: PSD-95, DlgA и ZO-1. Эти домены распознают карбокси-терминальные трипептидные мотивы (S/TXV), другие домены PDZ или домены LIM и связывают их через короткую пептидную последовательность, которая имеет гидрофобный остаток на C-конце . Некоторые из белков, идентифицированных как имеющие домены PDZ, являются белками-каркасами или, по-видимому, участвуют в сборке ионного рецептора и образовании комплексов рецептор-фермент. [24]
Домены FERM содержат основные остатки , способные связывать PtdIns(4,5)P 2. Талин и фокальная адгезионная киназа (FAK) являются двумя белками, которые представляют домены FERM. [24]
Домены CH в основном присутствуют в белках цитоскелета, таких как парвин . [24]
Домены гомологии плекстрина связываются с фосфоинозитидами и кислотными доменами в сигнальных белках.
Домены WW связываются с последовательностями, обогащенными пролином.
Обнаружен в рецепторах цитокинов

Свойства интерфейса

Изучение молекулярной структуры может дать тонкие детали об интерфейсе, который обеспечивает взаимодействие между белками. При характеристике интерфейсов PPI важно учитывать тип комплекса. [9]

Оцениваемые параметры включают размер (измеренный в абсолютных размерах Å2 или в площади поверхности , доступной для растворителя (SASA) ), форму, комплементарность между поверхностями, склонность к интерфейсу остатков, гидрофобность, сегментацию и вторичную структуру, а также конформационные изменения при образовании комплекса. [9]

Подавляющее большинство интерфейсов PPI отражает состав белковых поверхностей, а не белковых ядер, несмотря на то, что они часто обогащены гидрофобными остатками, особенно ароматическими остатками. [25] Интерфейсы PPI являются динамичными и часто плоскими, хотя они также могут быть шаровидными и выступающими. [26] Основываясь на трех структурах – димере инсулина , комплексе трипсин -ингибитор панкреатического трипсина и оксигемоглобине – Сайрус Чотия и Джоэл Джанин обнаружили, что от 1130 до 1720 Å2 площади поверхности было удалено из контакта с водой, что указывает на то, что гидрофобность является основным фактором стабилизации PPI. [27] Более поздние исследования уточнили скрытую площадь поверхности большинства взаимодействий до 1600 ± 350 Å2 . Однако также наблюдались гораздо большие интерфейсы взаимодействия, которые были связаны со значительными изменениями в конформации одного из партнеров взаимодействия. [18] Интерфейсы PPI демонстрируют как форму, так и электростатическую комплементарность. [9] [11]

Регулирование

Экспериментальные методы

Существует множество методов их обнаружения. [1] [28] Каждый из подходов имеет свои сильные и слабые стороны, особенно в отношении чувствительности и специфичности метода. Наиболее традиционными и широко используемыми высокопроизводительными методами являются дрожжевой двугибридный скрининг и аффинная очистка в сочетании с масс-спектрометрией .

Принципы двугибридных систем дрожжей и млекопитающих

Двугибридный скрининг дрожжей

Эта система была впервые описана в 1989 году Филдсом и Сонгом с использованием Saccharomyces cerevisiae в качестве биологической модели. [29] [30] Гибрид дрожжей-двух позволяет идентифицировать попарные PPI (бинарный метод) in vivo , в котором два белка тестируются на биофизически прямое взаимодействие. Y2H основан на функциональной реконструкции фактора транскрипции дрожжей Gal4 и последующей активации селективного репортера, такого как His3. Для тестирования двух белков на взаимодействие создаются две конструкции экспрессии белка: один белок (X) сливается с доменом связывания ДНК Gal4 (DB), а второй белок (Y) сливается с доменом активации Gal4 (AD). В анализе дрожжевые клетки трансформируются этими конструкциями. Транскрипция генов-репортеров не происходит, если приманка (DB-X) и добыча (AD-Y) не взаимодействуют друг с другом и не образуют функциональный фактор транскрипции Gal4. Таким образом, взаимодействие между белками может быть выведено по наличию продуктов, полученных в результате 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 тестируемых белка взаимодействуют. Недавно было опубликовано программное обеспечение для обнаружения и определения приоритетов взаимодействия белков. [32] [33]

Несмотря на свою полезность, дрожжевая двугибридная система имеет ограничения. Она использует дрожжи в качестве основной системы-хозяина, что может быть проблемой при изучении белков, содержащих специфические для млекопитающих посттрансляционные модификации. Количество идентифицированных PPI обычно невелико из-за высокого уровня ложноотрицательных результатов; [34] и, например, занижает мембранные белки . [35] [36]

В первоначальных исследованиях, которые использовали Y2H, надлежащий контроль ложных положительных результатов (например, когда DB-X активирует репортерный ген без присутствия AD-Y) часто не проводился, что приводило к более высокому, чем обычно, уровню ложных положительных результатов. Для контроля этих ложных положительных результатов необходимо внедрить эмпирическую структуру. [37] Ограничения в более низком охвате мембранных белков были преодолены появлением дрожжевых двугибридных вариантов, таких как мембранный дрожжевой двугибрид (MYTH) [36] и система сплит-убиквитина, [31], которые не ограничиваются взаимодействиями, происходящими в ядре; и бактериальная двугибридная система, выполняемая в бактериях; [38]

Принцип тандемной аффинной очистки

Аффинная очистка в сочетании с масс-спектрометрией

Аффинная очистка в сочетании с масс-спектрометрией в основном обнаруживает стабильные взаимодействия и, таким образом, лучше указывает на функциональные in vivo PPI. [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 загрязняющим фоном является тандемная аффинная очистка , разработанная Бертраном Серафином и Маттиасом Манном и соответствующими коллегами. Затем PPI можно количественно и качественно проанализировать с помощью масс-спектрометрии, используя различные методы: химическое включение, биологическое или метаболическое включение (SILAC) и методы без меток. [9] Кроме того, теория сетей использовалась для изучения всего набора идентифицированных взаимодействий белок-белок в клетках. [4]

Программируемый белковый массив нуклеиновых кислот (NAPPA)

Эта система была впервые разработана ЛаБэром и коллегами в 2004 году с использованием системы транскрипции и трансляции in vitro. Они использовали шаблон ДНК, кодирующий интересующий ген, слитый с белком GST, и он был иммобилизован на твердой поверхности. Антитело против GST и биотинилированная плазмидная ДНК были связаны на покрытом аминопропилтриэтоксисиланом (APTES) слайде. БСА может улучшить эффективность связывания ДНК. Биотинилированная плазмидная ДНК была связана с авидином. Новый белок был синтезирован с использованием системы бесклеточной экспрессии, т. е. лизата ретикулоцитов кролика (RRL), а затем новый белок был захвачен с помощью антитела против GST, связанного на слайде. Для проверки взаимодействия белок-белок, кДНК целевого белка и кДНК белка запроса были иммобилизованы на том же покрытом слайде. С использованием системы транскрипции и трансляции in vitro целевой и белок запроса были синтезированы одним и тем же экстрактом. Целевой белок был связан с массивом с помощью антитела, покрытого на слайде, и белок запроса использовался для зондирования массива. Запросной белок был помечен эпитопом гемагглютинина (HA). Таким образом, взаимодействие между двумя белками визуализировалось с помощью антитела против HA. [40] [41]

Внутригенная комплементарность

Когда несколько копий полипептида, кодируемого геном , образуют комплекс, эта белковая структура называется мультимером. Когда мультимер образуется из полипептидов, продуцируемых двумя различными мутантными аллелями определенного гена, смешанный мультимер может проявлять большую функциональную активность, чем несмешанные мультимеры, образованные каждым из мутантов в отдельности. В таком случае явление называется внутригенной комплементарностью (также называемой межаллельной комплементарностью). Внутригенная комплементарность была продемонстрирована во многих различных генах у различных организмов, включая грибы Neurospora crassa , Saccharomyces cerevisiae и Schizosaccharomyces pombe ; бактерию Salmonella typhimurium ; вирус бактериофаг T4 [42] , РНК-вирус [43] и людей. [44] В таких исследованиях многочисленные мутации, дефектные в одном и том же гене, часто изолировались и картировались в линейном порядке на основе частот рекомбинации для формирования генетической карты гена. Отдельно мутанты тестировались в парных комбинациях для измерения комплементарности. Анализ результатов таких исследований привел к выводу, что внутригенная комплементарность, в общем, возникает из-за взаимодействия по-разному дефектных полипептидных мономеров с образованием мультимера. [45] Гены, кодирующие полипептиды, образующие мультимеры, по-видимому, распространены. Одна из интерпретаций данных заключается в том, что полипептидные мономеры часто выровнены в мультимере таким образом, что мутантные полипептиды, дефектные в близлежащих участках генетической карты, как правило, образуют смешанный мультимер, который функционирует плохо, тогда как мутантные полипептиды, дефектные в отдаленных участках, как правило, образуют смешанный мультимер, который функционирует более эффективно. Прямое взаимодействие двух зарождающихся белков, выходящих из близлежащих рибосом , по-видимому, является общим механизмом образования гомоолигомера (мультимера). [46] Были идентифицированы сотни белковых олигомеров, которые собираются в клетках человека посредством такого взаимодействия. [46] Наиболее распространенная форма взаимодействия — между N-концевыми областями взаимодействующих белков. Образование димеров, по-видимому, может происходить независимо от специализированных сборочных машин. Межмолекулярные силы, вероятно, ответственные за самораспознавание и образование мультимеров, обсуждались Йеле. [47]

Другие возможные методы

Разнообразные методы идентификации PPI появляются вместе с технологическим прогрессом. Они включают коиммунопреципитацию, белковые микрочипы , аналитическое ультрацентрифугирование , рассеяние света , флуоресцентную спектроскопию , люминесцентное картирование интерактома млекопитающих (LUMIER), системы резонансного переноса энергии, ловушку взаимодействия белок-белок млекопитающих, электропереключаемые биоповерхности , анализ комплементации белок-фрагмент, а также измерения в реальном времени без меток с помощью поверхностного плазмонного резонанса и калориметрии . [35] [36]

Методы расчета

Протокол интеллектуального анализа текста .

Вычислительное прогнозирование белок-белковых взаимодействий

Экспериментальное обнаружение и характеристика PPIs является трудоемким и занимает много времени. Однако многие PPIs также можно предсказать вычислительно, обычно используя экспериментальные данные в качестве отправной точки. Однако также были разработаны методы, которые позволяют предсказывать PPI de novo, то есть без предварительных доказательств этих взаимодействий.

Методы геномного контекста

Метод Rosetta Stone или Domain Fusion 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 они неперекрывающееся сходство последовательностей с областью одной последовательности белка в другом геноме.

Метод консервативного соседства основан на гипотезе, что если гены, кодирующие два белка, являются соседями на 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 можно идентифицировать, определив наличие или отсутствие генов во многих геномах и выбрав те гены, которые всегда присутствуют или отсутствуют вместе.

Методы анализа текста

Общедоступная информация из биомедицинских документов легко доступна через Интернет и становится мощным ресурсом для сбора известных белок-белковых взаимодействий (PPI), прогнозирования PPI и стыковки белков. Текстовый анализ гораздо менее затратен и занимает меньше времени по сравнению с другими высокопроизводительными методами. В настоящее время методы текстового анализа обычно обнаруживают бинарные отношения между взаимодействующими белками из отдельных предложений, используя извлечение информации на основе правил/шаблонов и подходы машинного обучения . [50] Для публичного использования доступно большое количество приложений текстового анализа для извлечения и/или прогнозирования PPI, а также репозитории, которые часто хранят вручную проверенные и/или вычислительно предсказанные PPI. Текстовый анализ может быть реализован в два этапа: извлечение информации , где извлекаются тексты, содержащие названия одного или обоих взаимодействующих белков, и извлечение информации, где извлекается целевая информация (взаимодействующие белки, подразумеваемые остатки, типы взаимодействия и т. д.).

Существуют также исследования, использующие филогенетическое профилирование , основывающие свои функциональные возможности на теории, что белки, вовлеченные в общие пути, коэволюционируют коррелированным образом у разных видов. Некоторые более сложные методологии интеллектуального анализа текста используют передовые методы обработки естественного языка (NLP) и строят сети знаний (например, рассматривая имена генов как узлы, а глаголы как ребра). Другие разработки включают методы ядра для прогнозирования взаимодействия белков. [51]

Методы машинного обучения

Иерархия классификации методов машинного обучения.

Было предложено и рассмотрено множество вычислительных методов для прогнозирования белок-белковых взаимодействий. [52] [53] [54] Подходы к прогнозированию можно сгруппировать в категории на основе прогностических доказательств: последовательность белка, сравнительная геномика , домены белка, третичная структура белка и топология сети взаимодействия. [52] Для разработки вычислительной модели прогнозирования необходимо построение положительного набора (известные взаимодействующие пары белков) и отрицательного набора (невзаимодействующие пары белков). [53] Модели прогнозирования, использующие методы машинного обучения, можно в целом разделить на две основные группы: контролируемые и неконтролируемые, на основе маркировки входных переменных в соответствии с ожидаемым результатом. [54]

В 2005 году интегральные мембранные белки Saccharomyces cerevisiae были проанализированы с использованием системы убиквитина на основе спаривания (mbSUS). Система обнаруживает взаимодействия мембранных белков с внеклеточными сигнальными белками [55] Из 705 интегральных мембранных белков было прослежено 1985 различных взаимодействий, в которых участвовали 536 белков. Для сортировки и классификации взаимодействий использовалась машина опорных векторов для определения взаимодействий с высокой, средней и низкой достоверностью. Двугибридная система расщепленных убиквитиновых мембран дрожжей использует транскрипционные репортеры для идентификации трансформантов дрожжей, которые кодируют пары взаимодействующих белков. [56] В 2006 году было обнаружено, что случайный лес , пример контролируемой методики, является наиболее эффективным методом машинного обучения для прогнозирования взаимодействия белков. [57] Такие методы применялись для обнаружения взаимодействий белков на человеческом интерактоме, в частности интерактоме мембранных белков [58] и интерактоме белков, связанных с шизофренией. [59]

По состоянию на 2020 год модель, использующая классы кластеров остатков (RCC), построенная на основе баз данных 3DID и Negatome, дала 96–99% правильно классифицированных случаев белок-белковых взаимодействий. [60] RCC — это вычислительное векторное пространство, которое имитирует пространство складки белка и включает все одновременно контактирующие наборы остатков, которые можно использовать для анализа связи структуры и функции белка и эволюции. [61]

Базы данных

Крупномасштабная идентификация PPIs сгенерировала сотни тысяч взаимодействий, которые были собраны вместе в специализированных биологических базах данных , которые постоянно обновляются для предоставления полных интерактомов . Первой из этих баз данных была База данных взаимодействующих белков (DIP) . [62]

Первичные базы данных собирают информацию об опубликованных PPI, существование которых доказано с помощью мелкомасштабных или крупномасштабных экспериментальных методов. Примеры: DIP , Biomolecular Interaction Network Database (BIND), Biological General Repository for Interaction Datasets ( BioGRID ), Human Protein Reference Database (HPRD), IntAct Molecular Interaction Database, Molecular Interactions Database (MINT), MIPS Protein Interaction Resource on Yeast (MIPS-MPact) и MIPS Mammalian Protein–Protein Interaction Database (MIPS-MPPI).

Метабазы ​​данных обычно являются результатом интеграции информации из первичных баз данных, но могут также собирать некоторые исходные данные.

Базы данных прогнозирования включают множество PPI, которые прогнозируются с использованием нескольких методов (основная статья). Примеры: База данных прогнозирования взаимодействия белков человека (PIPs), [63] База данных межлогичных взаимодействий (I2D), Известные и прогнозируемые взаимодействия белков (STRING-db) и Unified Human Interactive (UniHI).

Все вышеупомянутые вычислительные методы зависят от исходных баз данных, данные которых можно экстраполировать для прогнозирования новых белок-белковых взаимодействий . Охват сильно различается между базами данных. В целом, первичные базы данных имеют наименьшее количество зарегистрированных взаимодействий белков, поскольку они не интегрируют данные из нескольких других баз данных, в то время как базы данных прогнозирования имеют наибольшее количество, поскольку они включают другие формы доказательств в дополнение к экспериментальным. Например, первичная база данных IntAct имеет 572 063 взаимодействия, [64] база метаданных APID имеет 678 000 взаимодействий, [65] а предиктивная база данных STRING имеет 25 914 693 взаимодействия. [66] Однако важно отметить, что некоторые взаимодействия в базе данных STRING предсказаны только вычислительными методами, такими как Genomic Context, и не проверены экспериментально.

Сети взаимодействия

Шизофрения ИПП. [59]

Информация, найденная в базах данных PPI, поддерживает построение сетей взаимодействия. Хотя сеть PPI данного белка запроса может быть представлена ​​в учебниках, диаграммы PPI всей клетки откровенно сложны и их трудно создать. [67]

Одним из примеров карты молекулярного взаимодействия, созданной вручную, является карта контроля клеточного цикла Курта Кона 1999 года. [68] Опираясь на карту Кона, Швиковски и др. в 2000 году опубликовали статью о PPI в дрожжах, связав 1548 взаимодействующих белков, определенных двухгибридным скринингом. Они использовали метод рисования послойного графа, чтобы найти начальное размещение узлов, а затем улучшили макет, используя алгоритм на основе силы. [69]

Биоинформационные инструменты были разработаны для упрощения сложной задачи визуализации сетей молекулярных взаимодействий и дополнения их другими типами данных. Например, Cytoscape — это широко используемое программное обеспечение с открытым исходным кодом, и в настоящее время доступно множество плагинов. [70] Программное обеспечение Pajek выгодно для визуализации и анализа очень больших сетей. [49]

Идентификация функциональных модулей в сетях PPI является важной задачей в биоинформатике. Функциональные модули означают набор белков, которые тесно связаны друг с другом в сети PPI. Это почти такая же проблема, как обнаружение сообществ в социальных сетях . Существуют некоторые методы, такие как модули Jactive [71] и MoBaS. [72] Модули Jactive интегрируют сеть PPI и данные по экспрессии генов , тогда как MoBaS интегрирует сеть PPI и исследования ассоциаций по всему геному .

Белок-белковые связи часто являются результатом множественных типов взаимодействий или выводятся из различных подходов, включая колокализацию, прямое взаимодействие, подавляющее генетическое взаимодействие, аддитивное генетическое взаимодействие, физическую ассоциацию и другие ассоциации. [73]

Подписанные сети взаимодействия

Взаимодействия белок-белок отображаются в виде знаковой сети, которая описывает, какой тип взаимодействий имеет место [74]

Белково-белковые взаимодействия часто приводят к тому, что один из взаимодействующих белков либо «активируется», либо «подавляется». Такие эффекты могут быть обозначены в сети PPI «знаками» (например, «активация» или «ингибирование»). Хотя такие атрибуты добавлялись к сетям в течение длительного времени, [75] Винаягам и др. (2014) ввели для них термин « знаковая сеть» . Знаковые сети часто выражаются путем маркировки взаимодействия как положительного или отрицательного. Положительное взаимодействие — это взаимодействие, при котором один из белков активируется. Наоборот, отрицательное взаимодействие указывает на то, что один из белков инактивируется. [76]

Сети взаимодействия белок-белок часто строятся в результате лабораторных экспериментов, таких как дрожжевые двугибридные скрининги или методы «аффинной очистки» и последующей масс-спектрометрии. [77] Однако эти методы не предоставляют уровень информации, необходимый для определения типа присутствующего взаимодействия, чтобы иметь возможность приписывать знаки сетевым диаграммам.

РНК-интерференционные экраны

Скрининг РНК-интерференции (РНКi) (репрессия отдельных белков между транскрипцией и трансляцией) является одним из методов, который может быть использован в процессе предоставления признаков белок-белковым взаимодействиям. Отдельные белки репрессируются, и полученные фенотипы анализируются. Коррелирующая фенотипическая связь (т. е. когда ингибирование любого из двух белков приводит к одному и тому же фенотипу) указывает на положительную или активирующую связь. Фенотипы, которые не коррелируют (т. е. когда ингибирование любого из двух белков приводит к двум разным фенотипам), указывают на отрицательную или инактивирующую связь. Если белок A зависит от белка B для активации, то ингибирование либо белка A, либо B приведет к тому, что клетка потеряет услугу, предоставляемую белком A, и фенотипы будут одинаковыми для ингибирования либо A, либо B. Если, однако, белок A инактивируется белком B, то фенотипы будут различаться в зависимости от того, какой белок ингибируется (ингибирует белок B, и он больше не может инактивировать белок A, оставляя A активным, однако инактивирует A, и B нечего активировать, поскольку A неактивен, и фенотип меняется). Необходимо провести несколько скринингов РНКi , чтобы надежно назначить признак данному взаимодействию белок-белок. Винаягам и др., которые разработали эту методику, утверждают, что требуется минимум девять скринингов РНКi , причем уверенность возрастает по мере проведения большего количества скринингов. [76]

В качестве терапевтических целей

Модуляция ИПП является сложной задачей и привлекает все большее внимание научного сообщества. [78] Несколько свойств ИПП, таких как аллостерические сайты и горячие точки, были включены в стратегии разработки лекарств. [79] [80] Тем не менее, очень немногие ИПП напрямую нацелены на одобренные FDA низкомолекулярные ингибиторы ИПП, что подчеркивает огромную неиспользованную возможность для разработки лекарств.

В 2014 году Амит Джайсвал и другие смогли разработать 30 пептидов для ингибирования набора теломеразы в теломерах, используя исследования белок-белкового взаимодействия. [81] [82] Аркин и другие смогли разработать ингибиторы на основе фрагментов антител для регулирования специфических белок-белковых взаимодействий. [83]

Поскольку «модуляция» ИПП включает не только ингибирование, но и стабилизацию четвертичных белковых комплексов , молекулы с этим механизмом действия (так называемые молекулярные клеи ) также интенсивно изучаются. [84]

Примеры

Смотрите также

Ссылки

  1. ^ ab Titeca K, Lemmens I, Tavernier J, Eyckerman S (январь 2019 г.). «Открытие клеточных белок-белковых взаимодействий: технологические стратегии и возможности». Mass Spectrometry Reviews . 38 (1): 79–111. doi : 10.1002/mas.21574 . PMID  29957823.
  2. ^ Herce HD, Deng W, Helma J, Leonhardt H, Cardoso MC (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. 
  3. ^ Isa NF, Bensaude O, Murphy S (февраль 2022 г.). «Технология подавления Amber для картирования сайт-специфических взаимодействий вируса и белка-хозяина в клетках млекопитающих». Bio-Protocol . 12 (3): e4315. doi :10.21769/bioprotoc.4315. PMC 8855090. PMID  35284605 . 
  4. ^ ab Mashaghi AR, Ramezanpour A, Karimipour V (2004). "Исследование сети белкового комплекса". The European Physical Journal B-Condensed Matter and Complex Systems . 41 (1): 113–121. arXiv : cond-mat/0304207 . Bibcode :2004EPJB...41..113M. doi :10.1140/epjb/e2004-00301-0. S2CID  9233932.
  5. ^ Ханукоглу I (1996). "Электрон-транспортные белки систем цитохрома P450". В Bittar EE, Jefcoate CR (ред.). Физиологические функции цитохрома P450 в связи со структурой и регуляцией . Достижения в области молекулярной и клеточной биологии. Том 14. JAI Press, Inc. стр. 29–55. doi :10.1016/S1569-2558(08)60339-2. ISBN 978-0-7623-0113-3.
  6. ^ Брандт ME, Викери LE (август 1993). «Взаимодействия пар зарядов, стабилизирующие комплексы ферредоксин-ферредоксинредуктазы. Идентификация с помощью комплементарных сайт-специфических мутаций». Журнал биологической химии . 268 (23): 17126–17130. doi : 10.1016/S0021-9258(19)85311-5 . PMID  8349601.
  7. ^ Ханукоглу I (декабрь 2017 г.). «Сохранение интерфейсов фермент-кофермент в FAD и NADP-связывающем адренодоксинредуктазе-A, повсеместно распространенном ферменте». Журнал молекулярной эволюции . 85 (5–6): 205–218. Bibcode : 2017JMolE..85..205H. doi : 10.1007/s00239-017-9821-9. PMID  29177972. S2CID  7120148.
  8. ^ Купер GM (2000). Клетка: молекулярный подход (2-е изд.). Вашингтон, округ Колумбия: ASM Press. ISBN 978-0-87893-106-4.[ нужна страница ]
  9. ^ abcde Jones S, Thornton JM (январь 1996). "Принципы белок-белковых взаимодействий". 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. 
  10. ^ Qin K, Sethi PR, Lambert NA (август 2008 г.). «Распространенность и стабильность комплексов, содержащих неактивные рецепторы, сопряженные с G-белками, и G-белки». FASEB Journal . 22 (8): 2920–2927. doi : 10.1096/fj.08-105775 . PMC 2493464. PMID  18434433 . 
  11. ^ ab Qin K, Dong C, Wu G, Lambert NA (август 2011 г.). «Предварительная сборка в неактивном состоянии рецепторов, связанных с G(q), и гетеротримеров G(q)». Nature Chemical Biology . 7 (10): 740–747. doi :10.1038/nchembio.642. PMC 3177959 . PMID  21873996. 
  12. ^ Malhis N, Gsponer J (июнь 2015 г.). «Вычислительная идентификация MoRF в белковых последовательностях». Биоинформатика . 31 (11): 1738–1744. doi :10.1093/bioinformatics/btv060. PMC 4443681. PMID  25637562 . 
  13. ^ ab Westermarck J, Ivaska J, Corthals GL (июль 2013 г.). «Идентификация белковых взаимодействий, участвующих в клеточной сигнализации». Molecular & Cellular Proteomics . 12 (7): 1752–1763. doi : 10.1074/mcp.R113.027771 . PMC 3708163. PMID  23481661 . 
  14. ^ Janin J (декабрь 1999). «Влажные и сухие интерфейсы: роль растворителя в распознавании белок-белок и белок-ДНК». Структура . 7 (12): R277–R279. doi : 10.1016/s0969-2126(00)88333-1 . PMID  10647173.
  15. ^ Barillari C, Taylor J, Viner R, Essex JW (март 2007). «Классификация молекул воды в сайтах связывания белков». Журнал Американского химического общества . 129 (9): 2577–2587. doi :10.1021/ja066980q. PMID  17288418.
  16. ^ Лисова О., Белкади Л., Бедуэль Х. (апрель 2014 г.). «Прямые и косвенные взаимодействия при распознавании между перекрестно-нейтрализующим антителом и четырьмя серотипами вируса денге». Журнал молекулярного распознавания . 27 (4): 205–214. doi :10.1002/jmr.2352. PMID  24591178. S2CID  5416842.
  17. ^ England P, Brégégère F, Bedouelle H (январь 1997 г.). «Энергетический и кинетический вклад остатков контакта антитела D1.3 во взаимодействие с лизоцимом». Биохимия . 36 (1): 164–172. CiteSeerX 10.1.1.613.413 . doi :10.1021/bi961419y. PMID  8993330. 
  18. ^ ab Janin J, Chothia C (сентябрь 1990 г.). «Структура участков распознавания белок-белок». Журнал биологической химии . 265 (27): 16027–16030. doi : 10.1016/S0021-9258(17)46181-3 . PMID  2204619.
  19. ^ ab Alberts B, Johnson A, Lewis J, Raff M, Roberts K, Walter P (2002). Молекулярная биология клетки (4-е изд.). Нью-Йорк: Garland Science. ISBN 978-0-8153-3218-3.[ нужна страница ]
  20. ^ Kendrew JC, Bodo G, Dintzis HM, Parrish RG, Wyckoff H, Phillips DC (март 1958). «Трехмерная модель молекулы миоглобина, полученная с помощью рентгеновского анализа». Nature . 181 (4610): 662–666. Bibcode :1958Natur.181..662K. doi :10.1038/181662a0. PMID  13517261. S2CID  4162786.
  21. ^ Cooper DR, Porebski PJ, Chruszcz M, Minor W (август 2011 г.). «Рентгеновская кристаллография: оценка и проверка комплексов белок-малая молекула для открытия лекарств». Мнение эксперта по открытию лекарств . 6 (8): 771–782. doi :10.1517/17460441.2011.585154. PMC 3138648. PMID  21779303 . 
  22. ^ Wand AJ, Englander SW (август 1996). «Белковые комплексы, изученные методом ЯМР-спектроскопии». Current Opinion in Biotechnology . 7 (4): 403–408. doi :10.1016/s0958-1669(96)80115-7. PMC 3442359. PMID  8768898 . 
  23. ^ Виноградова О, Цинь Дж (2012). «ЯМР как уникальный инструмент оценки и комплексного определения слабых белок-белковых взаимодействий». В Чжу Г (ред.). ЯМР белков и малых биомолекул . Темы в Current Chemistry. Т. 326. Springer Berlin. стр. 35–45. doi :10.1007/128_2011_216. ISBN 978-3-642-28916-3. PMC  3676910 . PMID  21809187.
  24. ^ abcdefgh Berridge MJ (2012). «Биология клеточной сигнализации: Модуль 6 – Пространственные и временные аспекты сигнализации». Biochemical Journal . 6 : csb0001006. doi :10.1042/csb0001006 (неактивен 1 апреля 2024 г.).{{cite journal}}: CS1 maint: DOI неактивен по состоянию на апрель 2024 г. ( ссылка )
  25. ^ Yan C, Wu F, Jernigan RL, Dobbs D, Honavar V (январь 2008 г.). «Характеристика белок-белковых интерфейсов». The Protein Journal . 27 (1): 59–70. doi :10.1007/s10930-007-9108-x. PMC 2566606. PMID  17851740 . 
  26. ^ Джонс С., Торнтон Дж. М. (сентябрь 1997 г.). «Анализ участков взаимодействия белок-белок с использованием поверхностных участков». Журнал молекулярной биологии . 272 ​​(1): 121–132. doi :10.1006/jmbi.1997.1234. PMID  9299342.
  27. ^ Chothia C, Janin J (август 1975). «Принципы распознавания белок-белок». Nature . 256 (5520): 705–708. Bibcode :1975Natur.256..705C. doi :10.1038/256705a0. PMID  1153006. S2CID  4292325.
  28. ^ Phizicky EM, Fields S (март 1995). «Взаимодействия белок-белок: методы обнаружения и анализа». Microbiological Reviews . 59 (1): 94–123. doi :10.1128/MMBR.59.1.94-123.1995. PMC 239356 . PMID  7708014. 
  29. ^ Pagel P, Kovac S, Oesterheld M, Brauner B, Dunger-Kaltenbach I, Frishman G, et al. (март 2005 г.). «База данных взаимодействия белков млекопитающих MIPS». Биоинформатика . 21 (6): 832–834. doi : 10.1093/bioinformatics/bti115 . PMID  15531608. Получено 2 января 2021 г.
  30. ^ Терентьев А.А., Молдогазиева НТ, Шайтан КВ (декабрь 2009 г.). «Динамическая протеомика в моделировании живой клетки. Белок-белковые взаимодействия». Биохимия. Биохимия . 74 (13): 1586–1607. doi :10.1134/s0006297909130112. PMID  20210711. S2CID  19815231.
  31. ^ abc Wodak SJ, Vlasblom J, Turinsky AL, Pu S (декабрь 2013 г.). «Сети взаимодействия белок-белок: загадочные богатства». Current Opinion in Structural Biology . 23 (6): 941–953. doi :10.1016/j.sbi.2013.08.002. PMID  24007795.
  32. ^ Банерджи С., Веласкес-Запата В., Фюрст Г., Элмор Дж. М., Уайз РП. (Июль 2021 г.). «NGPINT: программное обеспечение для взаимодействия белок-белок следующего поколения». Briefings in Bioinformatics . 22 (4). doi : 10.1093/bib/bbaa351 . PMID  33367498.
  33. ^ Веласкес-Запата В., Элмор Дж. М., Банерджи С., Дорман КС, Уайз РП (апрель 2021 г.). «Двухгибридный анализ дрожжей следующего поколения с Y2H-SCORES выявляет новые интеракторы иммунного рецептора MLA». PLOS Computational Biology . 17 (4): e1008890. Bibcode : 2021PLSCB..17E8890V. doi : 10.1371/journal.pcbi.1008890 . PMC 8046355. PMID  33798202 . 
  34. ^ Rajagopala SV, Sikorski P, Caufield JH, Tovchigrechko A, Uetz P (декабрь 2012 г.). «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 . 
  35. ^ ab Stelzl U, Wanker EE (декабрь 2006 г.). «Значение высококачественных сетей белок-белкового взаимодействия для системной биологии». Current Opinion in Chemical Biology . 10 (6): 551–558. doi :10.1016/j.cbpa.2006.10.005. PMID  17055769.
  36. ^ abc Petschnigg J, Snider J, Stagljar I (февраль 2011 г.). «Интерактивные технологии исследования протеомики: последние приложения и достижения». Current Opinion in Biotechnology . 22 (1): 50–58. doi :10.1016/j.copbio.2010.09.001. PMID  20884196.
  37. ^ Венкатесан К., Руал Дж. Ф., Васкес А., Стельзл У., Лемменс И., Хирозан-Кишикава Т. и др. (январь 2009 г.). «Эмпирическая основа для картирования бинарного интерактома». Природные методы . 6 (1): 83–90. дои : 10.1038/nmeth.1280. ПМЦ 2872561 . ПМИД  19060904. 
  38. ^ Battesti A, Bouveret E (декабрь 2012 г.). «Бактериальная двухгибридная система, основанная на восстановлении аденилатциклазы в Escherichia coli». Методы . 58 (4): 325–334. doi :10.1016/j.ymeth.2012.07.018. PMID  22841567.
  39. ^ Brettner LM, Masel J (сентябрь 2012 г.). «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. 
  40. ^ Ramachandran N, Hainsworth E, Bhullar B, Eisenstein S, Rosen B, Lau AY и др. (июль 2004 г.). «Самоорганизующиеся белковые микроматрицы». Science . 305 (5680): 86–90. Bibcode :2004Sci...305...86R. doi :10.1126/science.1097639. PMID  15232106. S2CID  20936301.
  41. ^ Ramachandran N, Raphael JV, Hainsworth E, Demirkan G, Fuentes MG, Rolfs A и др. (июнь 2008 г.). «Самоорганизующиеся функциональные белковые массивы высокой плотности следующего поколения». Nature Methods . 5 (6): 535–538. doi :10.1038/nmeth.1210. PMC 3070491 . PMID  18469824. 
  42. ^ Бернстайн Х, Эдгар Р. С., Денхардт Г. Х. (июнь 1965 г.). «Внутригенная комплементация среди температурно-чувствительных мутантов бактериофага T4D». Генетика . 51 (6): 987–1002. doi :10.1093/genetics/51.6.987. PMC 1210828. PMID 14337770  . 
  43. ^ Smallwood S, Cevik B, Moyer SA (декабрь 2002 г.). «Внутригенная комплементация и олигомеризация L-субъединицы РНК-полимеразы вируса Сендай». Вирусология . 304 (2): 235–45. doi : 10.1006/viro.2002.1720 . PMID  12504565.
  44. ^ Родригес-Помбо П., Перес-Серда С., Перес Б., Девиат Л.Р., Санчес-Пулидо Л., Угарте М. (июнь 2005 г.). «На пути к модели, объясняющей внутригенную комплементацию гетеромультимерной протеинпропионил-КоА-карбоксилазы». Biochimica et Biophysica Acta (BBA) - Молекулярные основы болезней . 1740 (3): 489–98. дои : 10.1016/j.bbadis.2004.10.009 . ПМИД  15949719.
  45. ^ Crick FH, Orgel LE (январь 1964). «Теория межаллельной комплементарности». Журнал молекулярной биологии . 8 : 161–5. doi :10.1016/s0022-2836(64)80156-x. PMID  14149958.
  46. ^ ab Bertolini M, Fenzl K, Kats I, Wruck F, Tippmann F, Schmitt J, et al. (январь 2021 г.). «Взаимодействия между зарождающимися белками, транслируемыми соседними рибосомами, управляют сборкой гомомеров». Science . 371 (6524): 57–64. doi :10.1126/science.abc7151. PMC 7613021 . PMID  33384371. 
  47. ^ Jehle H (сентябрь 1963 г.). «Межмолекулярные силы и биологическая специфичность». Труды Национальной академии наук Соединенных Штатов Америки . 50 (3): 516–24. doi : 10.1073/pnas.50.3.516 . PMC 221211. PMID  16578546 . 
  48. ^ Marcotte EM, Pellegrini M, Ng HL, Rice DW, Yeates TO, Eisenberg D (июль 1999). «Определение функции белка и белок-белковых взаимодействий из последовательностей генома». Science . 285 (5428): 751–753. CiteSeerX 10.1.1.535.9650 . doi :10.1126/science.285.5428.751. PMID  10427000. 
  49. ^ abc Raman K (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 . 
  50. ^ Badal VD, Kundrotas PJ, Vakser IA (декабрь 2015 г.). "Text Mining for Protein Docking". PLOS Computational Biology . 11 (12): e1004630. Bibcode : 2015PLSCB..11E4630B. doi : 10.1371/journal.pcbi.1004630 . PMC 4674139. PMID  26650466 . 
  51. ^ Papanikolaou N, Pavlopoulos GA, Theodosiou T, Iliopoulos I (март 2015 г.). «Прогнозы взаимодействия белок-белок с использованием методов интеллектуального анализа текста». Методы . Интеллектуальный анализ текста биомедицинской литературы. 74 : 47–53. doi :10.1016/j.ymeth.2014.10.026. PMID  25448298.
  52. ^ ab Kotlyar M, Rossos AE, Jurisica I (декабрь 2017 г.). «Предсказание белок-белковых взаимодействий». Current Protocols in Bioinformatics . 60 (1): 8.2.1–8.2.14. doi :10.1002/cpbi.38. PMID  29220074. S2CID  19509320.
  53. ^ ab Ding Z, Kihara D (август 2018 г.). "Вычислительные методы прогнозирования белок-белковых взаимодействий с использованием различных характеристик белка". Current Protocols in Protein Science . 93 (1): e62. doi : 10.1002/cpps.62 . PMC 6097941 . PMID  29927082. 
  54. ^ ab Sarkar D, Saha S (сентябрь 2019 г.). «Методы машинного обучения для прогнозирования белок-белковых взаимодействий». Journal of Biosciences . 44 (4): 104. doi : 10.1007/s12038-019-9909-z . PMID  31502581. S2CID  199668359.
  55. ^ Miller JP, Lo RS, Ben-Hur A, Desmarais C, Stagljar I, Noble WS и др. (август 2005 г.). «Крупномасштабная идентификация взаимодействий интегральных мембранных белков дрожжей». Труды Национальной академии наук Соединенных Штатов Америки . 102 (34): 12123–12128. Bibcode : 2005PNAS..10212123M. doi : 10.1073/pnas.0505482102 . PMC 1189342. PMID  16093310 . 
  56. ^ Lalonde S, Sero A, Pratelli R, Pilot G, Chen J, Sardi MI и др. (2010). "Сеть взаимодействия мембранного белка/сигнального белка для Arabidopsis версии AMPv2". Frontiers in Physiology . 1 : 24. doi : 10.3389 /fphys.2010.00024 . PMC 3059934. PMID  21423366. 
  57. ^ 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. 
  58. ^ Qi Y, Dhiman HK, Bhola N, Budyak I, Kar S, Man D и др. (декабрь 2009 г.). «Систематическое прогнозирование взаимодействий мембранных рецепторов человека». Proteomics . 9 (23): 5243–5255. doi :10.1002/pmic.200900259. PMC 3076061 . PMID  19798668. 
  59. ^ ab Ganapathiraju MK, Thahir M, Handen A, Sarkar SN, Sweet RA, Nimgaonkar VL и др. (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. 
  60. ^ Poot Velez AH, Fontove F, Del Rio G (июль 2020 г.). «Эффективное моделирование взаимодействий белков с помощью классов кластеров остатков». International Journal of Molecular Sciences . 21 (13): 4787. doi : 10.3390/ijms21134787 . PMC 7370293. PMID  32640745. 
  61. ^ Corral-Corral R, Chavez E, Del Rio G (декабрь 2015 г.). «Машинное обучаемое представление складчатого пространства на основе классов остаточных кластеров». Computational Biology and Chemistry . 59 Pt A: 1–7. doi :10.1016/j.compbiolchem.2015.07.010. PMID  26366526.
  62. ^ Xenarios I, Rice DW, Salwinski L, Baron MK, Marcotte EM, Eisenberg D (январь 2000 г.). «DIP: база данных взаимодействующих белков». Nucleic Acids Research . 28 (1): 289–291. doi :10.1093/nar/28.1.289. PMC 102387. PMID  10592249 . 
  63. ^ McDowall MD, Scott MS, Barton GJ (январь 2009 г.). "PIP: база данных предсказаний взаимодействия белков человека". Nucleic Acids Research . 37 (выпуск базы данных): D651–D656. doi :10.1093/nar/gkn870. PMC 2686497 . PMID  18988626. 
  64. ^ IntAct. "Белки, взаимодействия, бинарные взаимодействия и N-арные взаимодействия". www.ebi.ac.uk . Получено 19 ноября 2018 г. .
  65. ^ «Agile Protein Interactomes DataServer: Об APID».
  66. ^ "STRING: функциональные сети ассоциаций белков". string-db.org . Получено 19 ноября 2018 г. .
  67. ^ Sprinzak E, Sattath S, Margalit H (апрель 2003 г.). «Насколько надежны экспериментальные данные о взаимодействии белок-белок?». Журнал молекулярной биологии . 327 (5): 919–923. doi :10.1016/S0022-2836(03)00239-0. PMID  12662919. Получено 2 января 2021 г.
  68. ^ Schwikowski B, Uetz P, Fields S (декабрь 2000 г.). «Сеть белок-белковых взаимодействий в дрожжах». Nature Biotechnology . 18 (12): 1257–1261. doi :10.1038/82360. PMID  11101803. S2CID  3009359.
  69. ^ Риго Г, Шевченко А, Рутц Б, Вильм М, Манн М, Серафин Б (октябрь 1999 г.). «Универсальный метод очистки белков для характеристики белковых комплексов и исследования протеома». Nature Biotechnology . 17 (10): 1030–1032. doi :10.1038/13732. PMID  10504710. S2CID  663553.
  70. ^ Kohl M, Wiese S, Warscheid B (2011). "Cytoscape: программное обеспечение для визуализации и анализа биологических сетей". Data Mining in Proteomics . Methods in Molecular Biology. Vol. 696. pp. 291–303. doi :10.1007/978-1-60761-987-1_18. ISBN 978-1-60761-986-4. PMID  21063955.
  71. ^ Ideker T, Ozier O, Schwikowski B, Siegel AF (1 января 2002 г.). «Обнаружение регуляторных и сигнальных цепей в сетях молекулярных взаимодействий». Биоинформатика . 18 (Приложение 1): S233–S240. doi : 10.1093/bioinformatics/18.suppl_1.s233 . PMID  12169552.
  72. ^ Ayati M, Erten S, Chance MR, Koyutürk M (декабрь 2015 г.). "MOBAS: идентификация связанных с заболеваниями белковых подсетей с использованием оценки на основе модульности". EURASIP Journal on Bioinformatics & Systems Biology . 2015 (1): 7. doi : 10.1186/s13637-015-0025-6 . PMC 5270451. PMID  28194175. 
  73. ^ De Domenico M, Nicosia V, Arenas A, Latora V (апрель 2015 г.). «Структурная редуцируемость многослойных сетей». Nature Communications . 6 : 6864. arXiv : 1405.0425 . Bibcode : 2015NatCo...6.6864D. doi : 10.1038/ncomms7864. PMID  25904309. S2CID  16776349.
  74. ^ Фишер Б., Сандманн Т., Хорн Т., Биллманн М., Чаудхари В., Хубер В. и др. (март 2015 г.). «Карта направленных генетических взаимодействий в клетке метазоа». eLife . 4 . doi : 10.7554/eLife.05464 . PMC 4384530 . PMID  25748138. 
  75. ^ Идекер Т., Тан К. и Уэтц П. (2005) Визуализация и интеграция белок-белковых взаимодействий. В: Големис, Э. (ред.) белок-белковые взаимодействия – Руководство по молекулярному клонированию, 2-е изд. Cold Spring Harbor Laboratory Press.
  76. ^ ab Vinayagam A, Zirin J, Roesel C, Hu Y, Yilmazel B, Samsonova AA и др. (январь 2014 г.). «Интеграция сетей белок-белкового взаимодействия с фенотипами выявляет признаки взаимодействий». Nature Methods . 11 (1): 94–99. doi :10.1038/nmeth.2733. PMC 3877743 . PMID  24240319. 
  77. ^ Chen GI, Gingras AC (июль 2007 г.). "Аффинно-очистительная масс-спектрометрия (AP-MS) серин/треонин фосфатаз". Методы . 42 (3): 298–305. doi :10.1016/j.ymeth.2007.02.018. PMID  17532517.
  78. ^ 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 . 
  79. ^ Arkin MR, Wells JA (апрель 2004 г.). «Низкомолекулярные ингибиторы белок-белковых взаимодействий: прогресс на пути к мечте». Nature Reviews. Drug Discovery . 3 (4): 301–317. doi :10.1038/nrd1343. PMC 4179228. PMID 15060526.  S2CID 13879559  . 
  80. ^ Chen J, Sawyer N, Regan L (апрель 2013 г.). «Взаимодействия белок-белок: общие тенденции в отношении между сродством связывания и площадью поверхности интерфейса». Protein Science . 22 (4): 510–515. doi :10.1002/pro.2230. PMC 3610057 . PMID  23389845. 
  81. ^ Jaiswal A, Lakshmi PT (9 сентября 2014 г.). «Молекулярное ингибирование набора теломеразы с использованием дизайнерских пептидов: подход in silico». Журнал биомолекулярной структуры и динамики . 33 (7): 1442–1459. doi :10.1080/07391102.2014.953207. PMID  25204447. S2CID  27293727.
  82. ^ Джайсвал А (2014). «AtTRB1–3 опосредует структурные изменения в AtPOT1b для удержания одноцепочечной ДНК». ISRN Structural Biology . 2014 : 1–16. doi : 10.1155/2014/827201 .
  83. ^ Jiang Z, Kuo YH, Zhong M, Zhang J, Zhou XX, Xing L и др. (Июль 2022 г.). «Ингибиторы фрагментов антител, специфичных к адаптерам, для внутриклеточной модуляции белок-белковых взаимодействий p97 (VCP)». Журнал Американского химического общества . 144 (29): 13218–13225. doi :10.1021/jacs.2c03665. PMC 9335864. PMID  35819848 . 
  84. ^ Soini L, Leysen S, Davis J, Ottmann C (август 2022 г.). «Молекулярные клеи для стабилизации белок-белковых взаимодействий». Current Opinion in Chemical Biology . 69 : 102169. doi : 10.1016/j.cbpa.2022.102169. PMID  35749929.
  85. ^ Иванов АА, Хури ФР, Фу Х (июль 2013). «Нацеливание белок-белковых взаимодействий как противораковая стратегия». Тенденции в фармакологических науках . 34 (7): 393–400. doi :10.1016/j.tips.2013.04.007. PMC 3773978. PMID  23725674 . 
  86. ^ Hargreaves D, Carbajo RJ, Bodnarchuk MS, Embrey K, Rawlins PB, Packer M и др. (май 2023 г.). «Разработка жестких ингибиторов белок-белкового взаимодействия позволяет нацеливать не поддающийся лечению Mcl-1». Труды Национальной академии наук Соединенных Штатов Америки . 120 (21): e2221967120. Bibcode : 2023PNAS..12021967H. doi : 10.1073/pnas.2221967120 . PMC 10214187. PMID  37186857 . 

Дальнейшее чтение

Внешние ссылки

На Викискладе есть медиафайлы по теме «Картирование взаимодействия белков» .