《面向動態蛋白質網路的功能模組挖掘方法及其套用研究》是依託中南大學，由李敏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向動態蛋白質網路的功能模組挖掘方法及其套用研究
- 項目類別：青年科學基金項目
- 項目負責人：李敏
- 依託單位：中南大學
項目摘要,結題摘要,
項目摘要
利用大規模相互作用數據構建蛋白質網路，從中挖掘功能模組對理解分子組成原理、揭示蛋白質功能及解釋特定的生物進程具有十分重要的意義，是後基因組時代的研究熱點。近年來對功能模組挖掘算法的研究大多是基於靜態蛋白質網路展開的，無法體現真實世界中蛋白質相互作用的動態性和瞬時性。本項目主要研究面向動態蛋白質網路的功能模組挖掘算法及其套用。將結合時間序列的基因表達數據，研究動態蛋白質網路的構建及描述方法；採用圖論和局部搜尋技術對功能模組挖掘算法展開研究，以得到不同時間和空間通過相互作用綁定的動態功能模組；分析功能模組的保守性和進化速率，定義功能模組內蛋白質節點的拓撲參數，以預測生命活動所必須的關鍵蛋白質；研究功能模組動態變化在一些重大疾病預測方面的套用。本項目的研究不僅能突破原來靜態蛋白質網路功能模組挖掘的局限性，還將為揭示功能模組動態變化引起人類病變的原因提供實驗基礎和理論依據。
結題摘要
在本基金的資助下，課題組在動態蛋白質網路的構建及描述方法、面向動態蛋白質網路的功能模組挖掘方法、基於功能模組的關鍵蛋白質識別方法及功能模組在疾病預測中的套用等方面進行了深入研究，並取得了較好的研究進展。提出了基於單一閾值的動態蛋白質網路構建方法和基於3-sigma法則的活性蛋白質網路構建方法，突破了傳統靜態蛋白質網路無法表達蛋白質相互作用動態特性的局限,有效提高了蛋白質網路聚類方法識別蛋白質複合物的準確性。提出了基於即時機制的蛋白質複合物的形成模型和基於核心-附屬檔案結構的動態蛋白質複合物識別方法。面向動態蛋白質網路，從拓撲分析的角度提出了可以區分識別蛋白質複合物和網路功能模組的新方法TSN-PCD和DFM-CIN。在關鍵蛋白質識別方面，結合蛋白質網路功能模組分析的成果，提出了新的網路中心性測度NC和集成複合物信息的HC中心性。為克服蛋白質網路的高噪聲，進一步提出了集成基因表達數據和網路拓撲特徵的關鍵蛋白質預測方法，進一步提高了關鍵蛋白質預測的準確度。通過同時考慮蛋白質網路中拓撲的相似性和疾病相似網路中表型的相似性，提出了一種新的致病基因預測方法，套用於前列腺癌和阿爾茨海默病等具有較好的預測效果。開發了集成於Cytoscape 的聚類分析和顯示外掛程式ClusterViz和CytoCluster，軟體發布後引起國內外學者的廣泛關注，根據Google Analytics 和Cytoscape app store的統計數據，累計已有來自近100個國家和地區的研究人員訪問網站，軟體使用手冊已被下載5500 余次。許多學者採用我們開發的軟體開展研究，取得重要研究成果。例如，賓夕法尼亞大學醫學院的研究人員利用我們開發的ClusterViz軟體對注意力缺陷多動障礙症展開研究，取得的重要研究成果發表在遺傳學最好的期刊Nature Genetics（IF:35.209）上。 項目的研究成果打破了原有靜態蛋白質網路功能模組挖掘的局限性，不僅提高了蛋白質複合物和網路功能模組挖掘的準確性，也為揭示功能模組動態變化引起人類病變的機理研究提供一定的實驗基礎和理論依據，進一步推動我國生物信息學研究以及計算機基礎理論研究的發展，對醫藥等行業的發展都將起到極大的促進作用。
