The shrinking human protein coding complement: are there now fewer than 20,000 genes?
确定蛋白质编码基因的完整互补是基因组注释的关键目标。确认蛋白质编码潜力的最有效方法是通过肽质谱实验检测细胞蛋白质表达。在这里，我们将在7个大规模蛋白质组学研究中检测到的肽映射到人类基因组中GENCODE注释的近60%的蛋白质编码基因。我们发现，脊椎动物物种的保守性和基因家族的年龄是蛋白质组学实验中是否检测到肽的关键指标。我们发现大多数高度保守的基因和几乎所有的基因，进化前bilateria肽。与此同时，几乎没有证据表明自灵长类动物以来出现的基因或不具有任何蛋白质样特征或跨物种保守性的基因的蛋白质表达。我们在主要数据库中确定了19个非蛋白质样特征，如弱保守性，无蛋白质特征或模糊注释，这些特征是低肽检测率的指标。我们使用这些特征来描述一组2，001个潜在的非编码基因，并表明这些基因中的许多基因的行为更像非编码基因而不是蛋白质编码基因。我们只检测到这些基因中3%的肽。我们认为，这2,001个基因中的许多基因在正常情况下不编码蛋白质，它们不应该被列入人类蛋白质编码基因目录。这些潜在的非编码基因将作为正在进行的人类基因组注释工作的一部分进行修订。
2014-02-11 q-bio.GN q-bio.MN q-bio.PE
Rigidity and flexibility in protein-protein interaction networks: a case study on neuromuscular disorders
蛋白质的突变可能对蛋白质的稳定性和功能产生有害影响，最终导致特定疾病。遗传性肌营养不良症（MD）包括几种遗传性疾病，这些疾病导致肌肉越来越虚弱，逐渐丧失肌肉功能。基因编码中的不同类型的突变翻译成不起作用的蛋白质，导致不同的神经肌肉疾病。人类蛋白质组中失效的蛋白质相互作用可能会对其邻近的蛋白质及其模块造成压力。因此，我们的目的是了解突变的蛋白质相互作用的合作伙伴在不同的肌营养不良症，利用网络生物学，了解这些MD的子networks.We调查的刚性和柔性的蛋白质相互作用子网络与致病突变基因相关的影响，显示高的平均干扰值在肌营养不良症。与EEF1A1亚网络相关的刚性组分和形成网络核心的14.3.3蛋白家族成员参与了与蛋白质结构域特异性结合相关的分子功能。显示与电压依赖性钙通道相关的功能的CACNA1S和CALM1表现出最高的灵活性。对应于具有大的遗传变异的已知致病基因的蛋白质的相互关联的序列在推断为疾病中的共病的不同肌营养不良症中是共享的。研究表明，MDs的核心网络是高度刚性的，由大的模块间边缘和互连的枢纽节点组成，这表明高信息传递流。该网络的核心骨架以蛋白质特异性结构域结合的方式组织。这表明神经肌肉疾病可能是由于与核心相关的分子功能中断而引发的，其攻击性可能取决于网络的耐受水平。
2014-02-17 q-bio.MN
Known allosteric proteins have central roles in genetic disease
变构是蛋白质调节的一种形式，其中结合位于活性位点之外的位点的配体可以改变蛋白质的活性。变构的分子机制已被广泛研究，因为变构位点比活性位点保守性低，靶向它们的药物比结合活性位点的药物更特异。在这里，我们量化变构在遗传疾病中的重要性。我们发现：1）已知的变构蛋白在疾病网络中处于中心地位，并且在许多主要疾病类型中，如造血系统疾病、心血管疾病、癌症、糖尿病或中枢神经系统疾病，其对遗传疾病和合并症的贡献比非变构蛋白大得多。2)来自癌症全基因组关联研究的变体在变构蛋白附近富集，表明它们对多基因性状的重要性;和3）变构蛋白在疾病中的重要性至少部分是由于它们在蛋白质相互作用网络中的中心位置，而可能不是由于它们的动力学性质。
2021-07-09 q-bio.MN
Asymptotic Evolution of Protein-Protein Interaction Networks for General Duplication-Divergence Models
基因组复制-趋异事件是新蛋白质功能的主要来源，其随机发生在广泛的基因组尺度上，从单个基因到全基因组复制。显然，这一基本的进化过程在很大程度上决定了控制许多细胞活动的蛋白质相互作用（PPI）网络的形成。我们提出并渐近求解了一个一般的复制发散模型的PPI网络演化的基础上的统计选择的复制衍生的相互作用。我们还引入了一个守恒指数，正式定义了PPI网络的统计进化守恒。微观参数的不同条件，然后控制新兴的PPI网络的全局守恒和拓扑结构。特别是，保守的，非密集的网络，这是唯一的潜在的生物相关性，也被证明是必要的无标度。
2006-11-22 q-bio.MN q-bio.PE
Human Protein Protein Interaction Networks: A Topological Comparison Review
本研究采用从粗到细的方法拓扑比较四个人类蛋白质-蛋白质相互作用网络，发现其共享基因和部分全局特征但相互作用差异显著，功能通路拓扑一致性更高，为相关研究考量网络异同提供参考。
2023-10-03 q-bio.MN
Exactly solvable model of gene expression in proliferating bacterial cell population with stochastic protein bursts and protein partitioning
许多现有的基因表达的随机模型包含一阶衰变反应项，其可以描述活性蛋白质降解或稀释。如果模型变量被解释为分子数量而不是浓度，则衰减项也可以近似于由于细胞分裂作为连续降解过程而导致的蛋白质分子的损失。这种开创性的模型导致蛋白质水平的伽马分布，其参数由蛋白质爆发的平均频率和平均爆发大小定义。然而，这样的模型（无论是在分子数量或浓度方面解释）不能正确地解释由于子细胞之间的蛋白质分配的噪声。我们提出了一个完全可解的随机模型的基因表达细胞分裂在随机时间，在这里我们假设描述的分子数量与恒定的平均蛋白质爆发的大小。该模型是基于人口平衡方程补充蛋白质生产随机突发。如果蛋白质分子在子细胞之间均匀分配，我们在稳态下得到的概率分布的解析表达式类似于伽马分布的形状，但与经典的连续衰减模型拟合这些分布的结果相比，平均爆发大小和平均爆发频率的值有很大不同。对于子细胞之间的蛋白质分子的随机分区，我们得到的时刻方程的蛋白质数量分布，从而分析公式的平方变异系数。
2019-04-17 physics.bio-ph q-bio.MN
Sensitivity dependent model of protein-protein interaction networks
蛋白质相互作用网络的无标度结构p（k）~k^{-gamma}可以用静态物理模型模拟。我们从理论上对模型进行了检验，找到了模型产生表观无标度分布的关键原因。这种解释提供了一种“无标度”网络的一般机制。此外，我们预测的依赖性γ蛋白质浓度或其他敏感性因素在检测相互作用，并找到实验证据来支持预测。
2008-09-05 physics.bio-ph q-bio.MN
Length, Protein-Protein Interactions, and Complexity
在大规模基因组测序工作中观察到的从古生菌到原核生物再到真核生物的基因长度增加的进化原因尚不清楚。我们在这里提出，越来越复杂的蛋白质相互作用已经驱动了较长的蛋白质的选择，因为较长的蛋白质更能够区分大量的不同的相互作用，由于其更大的平均表面积。从SWISS-PROT数据库获得的注释蛋白质序列分析了13种真核生物、8种细菌和2种古细菌。每种蛋白质所关联的亚细胞位置的数量被用作蛋白质参与的相互作用的数量的量度。酵母蛋白质相互作用的两个数据库被用作每种\emph{S. cerevisiae}蛋白参与的相互作用数量的另一种量度。蛋白质长度与蛋白质相关的亚细胞位置的数量和酵母双杂交实验测量的相互作用的数量相关。蛋白质的长度也被证明与蛋白质由必需基因编码的概率相关。有趣的是，平均蛋白质长度和亚细胞位置的数量在所有人类蛋白质和已知的市售药物的蛋白质靶标之间没有显著差异。蛋白质长度的增加似乎是一个重要的机制，通过该机制，物种的自然进化中容纳了日益复杂的蛋白质相互作用网络。考虑蛋白质长度可能是药物设计中的一个有价值的工具，可以预测抑制异常和正常途径相互作用的不同策略。
2004-11-16 q-bio.MN
ceRNA crosstalk stabilizes protein expression and affects the correlation pattern of interacting proteins
基因表达是一个嘈杂的过程，转录和转录后的几种机制可以稳定细胞中的蛋白质水平。许多工作都集中在miRNA的作用上，特别是miRNA介导的调节可以缓冲低表达基因的表达噪音。在这里，使用计算机模拟和数学建模，我们证明了miRNA可以通过协调mRNA之间的竞争诱导的串扰对蛋白质水平产生更广泛的影响。最值得注意的是，我们发现miRNA介导的串扰（i）可以在整个基因表达速率范围内稳定蛋白质水平，（ii）改变共调节相互作用蛋白质的相关模式，将相关性的符号从负变为正。后一个特征可能构成了在标准细胞条件下由内源性竞争miRNA诱导的RNA串扰存在的潜在稳健特征。
2017-03-08 q-bio.MN
Predicting disease-related genes by path-based similarity and community structure in protein-protein interaction network
基于网络的计算方法预测与某些疾病相关的未知基因对于揭示人类疾病的分子基础具有重要意义。本文提出了一种新的疾病基因预测方法，将基于路径的相似性与人类蛋白质相互作用网络中的社团结构相结合。首先，我们介绍了一组基于路径的相似性指标，一种新的基于社区的相似性指标，并结合基于路径的相似性指标的新的相似性。然后，我们评估的措施，区分疾病基因和非疾病基因的统计显著性，以确认其在预测疾病基因的可用性。最后，将这些测度应用于单基因家系的疾病基因预测，并详细分析了这些测度在疾病基因预测中的性能，特别是社区结构对预测性能的影响。结果表明，与相同或相似疾病相关的基因通常位于蛋白质相互作用网络的同一个社区中，社区结构对疾病-基因预测有很大帮助。
2017-07-21 physics.data-an q-bio.MN q-bio.QM
Calibration and validation of a genetic regulatory network model describing the production of the gap gene protein Hunchback in \emph{Drosophila} early development
我们拟合的微分方程模型的参数描述生产的差距基因蛋白Hunchback和Knirps沿前后轴的胚胎\emph{Drosophila}。作为微分方程模型的初始数据，我们采用蛋白质Bicoid、Hunchback和Tailless在切割循环14开始时的前后分布。我们使用单目标和多目标进化优化技术通过实验数据校准和验证模型。在多目标优化技术中，我们计算相关的Pareto前沿。我们分析了gap基因蛋白对Hunchback-Knirps之间的交叉调节机制，并且我们表明，如果Hunchback受到Huckebein蛋白的负调节，Hunchback的后验分布遵循实验数据。这种方法能够预测Huckebein蛋白在胚胎上的后定位，并且我们用实验数据验证了负责间隙基因蛋白Hunchback的前后分布的遗传调控网络。我们讨论了Pareto多目标优化技术在生物模型的校准和验证中的重要性。
2009-12-22 q-bio.MN
Probabilistic methods for predicting protein functions in protein-protein interaction networks
我们讨论了从蛋白质相互作用网络预测蛋白质功能的概率方法。以前的工作的基础上马尔可夫Randon领域的扩展和比较一般的机器学习理论方法。使用实际的蛋白质相互作用网络酵母从MIPS数据库和GO-SLIM功能分配，我们比较不同的概率方法和标准的支持向量机的预测。事实证明，在目前可用的网络中，基于计数频率的简单方法与更复杂的方法一样有效。
2005-03-12 q-bio.MN
Post-transcriptional regulation of noise in protein distributions during gene expression
基因表达的内在随机性可导致整个细胞群体中蛋白质水平的大的变异性。蛋白质分布的变异性（或噪声）可以通过基因调控的细胞机制来调节;特别是，人们对理解转录后调控的作用有相当大的兴趣。为了解决这个问题，我们提出并分析了一个随机模型的转录后调控的基因表达。该模型的解析解提供了深入了解不同的转录后调控机制对蛋白质分布中的噪声的影响。所获得的结果还表明如何在基因表达的内在噪声的不同来源，可以根据观察到的调节蛋白质分布进行区分。
2010-06-21 physics.bio-ph q-bio.MN
Virtual Identification of Essential Proteins Within the Protein Interaction Network of Yeast
大规模蛋白质相互作用网络的拓扑分析对于理解单个蛋白质的组织和功能原理具有重要意义。已经观察到蛋白质在PIN中具有的相互作用的数量与其不可或缺性相关。必需蛋白质通常比非必需蛋白质具有更多的相互作用。我们在这里表明，与从酵母蛋白质组中去除蛋白质相关的致命性与PIN中节点的不同中心性度量相关，例如蛋白质与许多其他蛋白质的接近程度，或者需要特定蛋白质作为其通信中介的蛋白质对的数量，或者PIN中不同蛋白质簇中蛋白质的参与。这些措施是显着优于随机选择识别PIN中的必需蛋白质。中心性措施的基础上的网络，特别是子图中心的光谱特性，在识别酵母PIN中的必需蛋白质的最佳性能。子图中心性给出了关于单个蛋白质的作用的重要结构信息，并允许通过识别PIN中的必需蛋白质来选择合理的药物发现的可能靶点。
2005-05-03 q-bio.MN
Reconstructing protein binding patterns from ChIP time-series
基因转录需要各种蛋白质与基因启动子的协调结合。蛋白质的结合时间和结合顺序允许得出关于蛋白质在募集过程中的确切功能的结论。时间分辨的ChIP实验被用来分析这些过程的蛋白质结合顺序。然而，这些ChIP信号并不代表确切的蛋白结合模式。结果我们发现，启动子复合物，遵循顺序募集动力学的ChIP信号可以理解为卷积信号，并提出应用反卷积方法恢复实验ChIP时间序列的蛋白质结合模式。分析了四种反卷积方法的适用性：两种非盲反卷积方法：Wiener反卷积和Lucy-Richardson反卷积;两种盲反卷积方法：盲Lucy-Richardson反卷积和二元盲反卷积。我们应用这些方法来推断蛋白质结合模式从ChIP时间序列的pS2基因。
2013-04-26 q-bio.MN q-bio.QM
Controllability analysis of the directed human protein interaction network identifies disease genes and drug targets
蛋白质相互作用（PPI）网络对于细胞信息处理和决策至关重要。通过适当的输入，PPI网络驱动细胞产生不同的功能结果，如细胞增殖或细胞死亡。在这里，我们描述了一个由6，339个蛋白质和34，813个相互作用组成的大型定向人类PPI网络的结构可控性。这使我们能够将蛋白质分类为“不可或缺”，“中性”或“中性”，这与去除该蛋白质后网络中驱动节点的数量增加，无影响或减少相关。我们发现PPI网络中21%的蛋白质是不可或缺的。有趣的是，这些不可或缺的蛋白质是致病突变、人类病毒和药物的主要靶点，这表明改变网络的控制属性对于健康和疾病状态之间的转变至关重要。此外，分析来自1,547名癌症患者的拷贝数改变数据显示，在9种不同癌症中经常扩增或缺失的56个基因是不可或缺的。在这56个基因中，有46个以前没有与癌症相关。这表明可控性分析在识别新的疾病基因和潜在的药物靶点方面非常有用。
2015-11-24 q-bio.MN
Connectivity and expression in protein networks: Proteins in a complex are uniformly expressed
我们探讨了蛋白质相互作用网络和相互作用蛋白质的表达之间的相互作用。它表明，相互作用的蛋白质表达在显着更相似的细胞浓度。这在很大程度上是由于作为蛋白质复合物一部分的相互作用对。我们解决了一个通用的复杂的形成模型，并明确表明，复杂的形式最有效的时候，他们的成员有大致相同的浓度。因此，观察到的相互作用蛋白浓度的相似性可归因于复合物形成效率的优化。
2006-01-26 cond-mat.other q-bio.MN q-bio.OT
Computational prediction and analysis of protein-protein interaction networks
生物网络提供了在系统水平上对细胞中生物过程的复杂组织的洞察。它们是理解功能相互作用的综合地图，找到功能模块和途径的有效工具。这些网络的重建和比较分析提供了有用的信息，以确定功能模块，致病基因的优先级，并确定药物靶点。演讲将由两部分组成。我将讨论几种蛋白质相互作用网络比对的方法，并研究它们对其他现有方法的偏好。此外，我还简要介绍了使用深度学习重建蛋白质相互作用网络。
2017-09-13 cs.OH q-bio.MN
