大规模蛋白质相互作用中潜在信号通路的生物信息学挖掘

在信号转导网络中，信号流走向是蛋白质相互作用的重要属性。采用生物信息学方法推断成对蛋白质相互作用间的信号流走向，可以帮助阐释信号分子作用机制，为实验设计和功能解释提供重要的提示。本项目基于结构域、功能注释和序列信息，提取可用于预测蛋白质相互作用中信号流走向的特征参数，由大规模蛋白质相互作用挖掘潜在信号通路，建立其生物信息学模型。采用贝叶斯方法整合多种生物学证据的预测结果，给出方向性预测及其可信度。针对人类蛋白质组规模的相互作用数据集，预测相关的信号通路，寻找新的蛋白质功能和信号转导作用机制。该项目针对信号网络的预测和分析问题进行方法学研究，以建立有效的适合于多物种信号通路挖掘的生物信息学平台，为辅助实验设计和信号转导相关研究提供帮助。

研究信号转导是了解生命活动过程的重要途径。随着实验方法的改进和实验数据的积累，对已有信号转导数据的分析和利用成为生物学家面临的一大挑战，本项目旨在使用生物信息学方法构建并分析大规模的信号转导网络。.在信号网络中，信号流走向是蛋白质相互作用的重要属性。目前高通量技术得到的大部分蛋白质相互作用都被假定为是没有方向的。为了解决这个问题，本项目基于结构域、功能注释以及蛋白质序列，使用自定义函数和支持向量机方法预测成对蛋白质相互作用之间的信号流走向。在人、大鼠、小鼠、果蝇和酵母的数据集中均得到了较好的预测效果。.其次，本项目采用贝叶斯方法整合结构域、蛋白质功能等多种数据源进行信号流走向的预测，利用综合的似然比打分值判断方向，比任意单个预测方法具有最高的可信度和最广的应用范围。在一个合适的似然比阈值16时，贝叶斯方法在人的数据集中的准确率和覆盖度分别为98.64%和67.83%，表明该方法具有相当高的应用价值。该方法已被开发成在线网页工具，提供公共服务，允许用户在自己的蛋白质相互作用数据集上推断信号通路。.进一步，将贝叶斯模型用于整合的人类蛋白质相互作用网络，推断出一个高可信的有向信号网络。该网络由5,111个蛋白质和10,051对相互作用组成，包含了大量潜在的信号通路。该网络与已知数据库的重合部分具有89.23%的准确率，并且在功能注释、亚细胞定位和网络拓扑方面，呈现出与信号网络高度一致的性质。.最后，通过对已构建的信号转导网络进行深入研究，本项目建立了蛋白质相互作用之间调控关系的预测模型，以区分相互作用中的激活和抑制关系。同时，将以上分析方法扩展到应用型研究，通过整合网络属性、功能注释和序列信息，本项目建立了潜在癌基因的预测模型，发现了大量可能的致病基因。.总之，本项目提出了多种新的方法构建了相互作用中信号流走向、调控关系以及癌基因的预测模型，为蛋白质相互作用网络提供了整体性注释和解读。不仅能够推断出蛋白质相互作用网络中大量的潜在信号通路，而且可以提供对于信号网络的全面理解。