人类膜蛋白交互组网络构建

Complex diseases highly affect human health and their life, protein interactome networks are found pivotal in systemic researches on complex disease and drug target discovering, and thereby becomes a research highlights in science community of system biology. Such networks can efficient improve pharmacological analysis and side-effect prediction without biological experiments. As major drug targets, and human disease associated proteins, membrane proteins are involved in multiple vital drug action processes. However, membrane interactome network needs to be constructed and studied. We purpose to construct human membrane interactome networks by proteomic large-scale predicting human membrane interaction pairs, which will be realized through two approaches: directly predicting interactions based on membrane protein structures, or indirectly predicting interactions relied on multiple biological network databases. A human membrane protein database will be built to support network-based drug target discovering as network prototypes and tools. Our study is of crucial importance for new drug target discovering, supporting the researches on drugs and diseases. Therefore, it provide highly application value and research value.

复杂疾病严重影响人类的健康和生活，蛋白质交互组网络研究能够在系统层面进行复杂疾病机理研究，以及非实验性药理分析和药物毒副作用预测。依据蛋白质交互组网络认知复杂疾病机理和发现药物靶点已成为系统生物学领域研究的前沿和热点。而膜蛋白作为主要药物靶点，与人类复杂疾病密切相关，在药物作用机制中发挥着举足轻重的作用，因此人类膜蛋白交互组网络亟待构建与研究。本项目拟通过结合膜蛋白交互直接预测与多源生物网络数据间接推测两种途径，在全蛋白质组中大规模预测膜蛋白交互关系，建立人类膜蛋白交互组网络，发布应用数据库，为实现基于药理网络的药物靶点发现提供网络原型和系统工具。本项目研究将为基于生物网络的药理分析和疾病研究提供有力支撑，能够极大地促进相关领域研究的发展，具有较高的理论研究价值和现实应用价值。

以膜蛋白为重要组成的蛋白质交互组网络是促进新型药物靶点发现的重要课题，也是基于生物网络进行药理分析和疾病研究的有力支撑，能够极大地促进相关领域研究和发展，具有足够的理论研究价值和现实应用价值。.为了实现膜蛋白交互组网络构建，本课题研究的主要内容包括：1）整合包括基因，蛋白，蛋白家族分类，蛋白交互PPI等多源生物数据进行基于生物网络的膜蛋白交互组网络构建；2）通过对药物靶点膜蛋白结构进行学习和预测，进行基于膜蛋白结构的交互作用预测，用于精确和拓展基于生物网络的膜蛋白组网络构建；3）建立服务于药理网络分析的膜蛋白药物靶点发现数据服务。.针对上述研究内容，课题组分别取得如下研究进展：1）建立生物大数据平台Biodata，深度融合多源生物数据和第三方计算工具，实现了面向计算的生物数据服务，不但为基于大数据的生物计算直接提供高效的数据服务支持相应的科学研究，还提供了学术领域内多团队合作研究的起点；2）基于深度学习的膜蛋白拓扑结构预测，用于区分膜蛋白的主要空间结构构成，可以在海量蛋白质序列中大规模发现潜在的膜蛋白药物靶点，同时也可以进行药物作用靶点膜蛋的进一步功能分类，能够直接推动新型生物药物靶点的发现；3）膜蛋白功能结构域预测，我们发现不必非要对膜蛋白进行全部结构的预测，仅对膜蛋白的功能性结构域进行结构预测即可满足交互组网络构建的需要，此研究思路将为进一步的膜蛋白结构研究提供直接的帮助，进而加快膜蛋白功能的研究。4）采用系统生物学和结构生物学结合的思路进行膜蛋白交互组网络构建，在膜蛋白交互作用实验测定数据匮乏的条件下，能够建立较为可信的膜蛋白交互组网络，从而为建立药物作用网络提供了直接的支持；5）尝试使用深度学习加迁移学习方法在计算生物学中的应用，发现对于蛋白质序列模式的自主学习具有极高的适用性，能够有效解决膜蛋白的小样本问题，相应应用探索将在未来的膜蛋白研究中产生重要的作用。.