面向AP-MS数据的蛋白质相互作用网络推断算法研究

Affinity Purification Mass Spectrometry (AP-MS) is one of the most important biological experimental techniques for constructing Protein-Protein Interaction (PPI) network. The inference of high-quality PPI network is critical to the application and popularization of AP-MS method. Existing network inference algorithms for AP-MS data cannot effectively resolve the issues such as protein misidentification, inaccurate protein quantification, indirect protein-protein interaction, and the loss of true interactions. As a result, the PPI network inference results are far from satisfactory and cannot meet the requirements of real applications. This project will develop a new PPI network inference method, which can solve those key problems that affect the quality of network inference results. More precisely, we propose and introduce several new algorithms such as protein identification and quantification based on PPI network, protein interaction prediction based on indirect association analysis and network deconvolution algorithm, etc. Based on the generated high-quality PPI network, this project will further develop algorithms based on cluster ensemble for identifying protein complexes and estimating the false discovery rate of network inference results and protein complexes identification results. The output of this project will not only make the AP-MS technique play a major role in the research of protein-protein interactions, but also provide key algorithms and techniques for proteomics.

亲和纯化-质谱(AP-MS)技术是目前构建蛋白质相互作用(PPI)网络的重要生化实验手段。能否从AP-MS数据中推断出高质量的PPI网络,是影响AP-MS技术应用和推广的关键问题。由于不能有效解决“蛋白质鉴定错误与定量误差”以及“蛋白质相互作用间接关联与丢失”等问题，现有的面向AP-MS数据的PPI网络推断算法求解质量偏低，无法满足实际应用需求。本项目设计新的PPI网络推断算法，通过引入基于PPI网络的蛋白质鉴定与定量、基于间接关联分析的相互作用预测、网络去卷积等技术，从而解决上述影响PPI网络推断求解质量的关键问题。在构建了高质量的PPI网络基础上，进一步研究基于聚类集成的蛋白质复合体识别算法，以及PPI网络推断与复合体识别结果的错误发现率估计算法。本项研究将推动AP-MS技术在PPI研究中发挥更重要的作用，并为蛋白质组学提供核心算法与技术。

亲和纯化-质谱(AP-MS)技术是目前构建蛋白质相互作用(PPI)网络的重要生化实验手段。能否从AP-MS数据中推断出高质量的PPI网络,是影响AP-MS技术应用和推广的关键问题。现有的面向AP-MS数据的PPI网络推断算法求解质量偏低，无法满足实际应用需求。本项目设计新的PPI网络推断算法，并在构建了高质量的PPI网络基础上，进一步研究蛋白质复合物识别算法，以及PPI网络推断与复合物识别结果的错误发现率估计算法。本项研究将推动AP-MS技术在PPI研究中发挥更重要的作用，并为蛋白质组学提供核心算法与技术。项目完成了预期的研究目标，取得的成果主要包括: (1) 基于“过滤-精练”框架的PPI网络推断模型以及基于排序整合和错误发现率控制的PPI网络推断算法Reinforce; (2) 基于PPI网络重构以及网络嵌入的蛋白质复合物识别算法; (3) 基于FWER控制的蛋白质复合物显著性评估与挖掘算法; (4) 面向生物网络推断的关联分析软件。在本项目的资助下，获得省部级自然科学二等奖2项，在国内外重要学术刊物以及会议上发表学术论文16篇，其中包括ESI高被引论文1篇，CCF推荐B类国际期刊论文6篇，CCF推荐A类中文期刊论文2篇。