Protein Komplekslerini Gruplayarak İnsanda ProteinProtein Etkileşim Ağlarının Karmaşıklığını Azaltmak

Amaç: Ağ biyolojisinin sağlık bilimlerindeki uygulamalarında çoğu zaman bütün protein-protein etkileşim haritasını bir kerede ele almak imkansızdır; bu nedenle hesaplama verimliliğini artıran çeşitli ağ küçültme yaklaşımları geliştirilmiştir. Bu çalışmada bir düğüm birleştirme prosedürü önererek, protein komplekslerine dayalı bir ağ küçültme stratejisi kullanmak amaçlanmıştır. Gereç ve Yöntemler: Protein kompleksi etkileşimlerini çıkarmak için memeli protein komplekslerinin kapsamlı kaynağı kullanıldı. İnsan protein-protein etkileşim haritası Agile Protein Interactomes Data (APID) sunucusundan alındı. Daha küçük bir ağ oluşturmak için özgün bir gruplama yaklaşımı kullanıldı. Elde edilen bağlama özel ağın ilingesel analizi ve yüksek merkeziliğe sahip düğümlerin incelenmesi, orijinal ağ ile karşılaştırılmalı olarak yapıldı. Bulgular: Gruplama prosedüründen sonra aralarında 41.940 etkileşimi olan 9.988 protein ve 304 protein grubu içeren heterojen bir etkileşim haritası elde edilmiştir. Toplam düğüm sayısı ve etkileşim sayısı sırasıyla %9,7 ve %16 azalmıştır. Ortaya çıkan ağ, ölçeksiz topolojiyi korumuştur. Tartışma ve Sonuç: Sonuçlar, yaklaşımın biyolojik olarak anlamlı yapısını bozmadan biyolojik ağı küçültmede işlevsel olduğunu göstermiştir.

Lumping Protein Complexes to Reduce the Complexity of Human Protein-Protein Interaction Network

Aim: For network biology applications in health sciences, most of the time it is impossible tohandle the whole protein-protein interaction map at once, and accordingly there have beenvarious approaches to network reduction for computational efficiency. In this study we aimed touse protein complexes as a base for network reduction, proposing a node-lumping procedure.Materials and Methods: The comprehensive resource of mammalian protein complexes wasused to extract protein complex interactions. Human protein-protein interaction map was retrieved from the Agile Protein Interactomes Data (APID) server. A novel lumping procedure wasintroduced to create a reduced network. Topological analysis of the resulting context-specificnetwork and examination of the highly connected nodes were compared with the original network.Results: After lumping we obtained a heterogeneous map of 9,888 proteins and 304 lumpednodes with 41,940 interactions. Total number of nodes and interactions were reduced by 9.7%and 16%, respectively. The resulting network preserves the scale-free topology.Discussion and Conclusion: The results indicated that the procedure was helpful in networkreduction without disturbing the biologically relevant structure of the network.

PDF

___

1. Barabasi A L, Oltvai ZN. Network biology: understanding the cell’s functional organization. Nature Rev Genet. 2004;5(2):101.
2. Sevimoglu T, Arga KY. The role of protein interaction networks in systems biomedicine. Comput Struct Biotechnol J. 2014;11(18):22–7.
3. Ackermann J, Einloft J, Nöthen J, Koch I. Reduction techniques for network validation in systems biology. J Theor Biol. 2012;315:71–80.
4. Vlassis N, Pacheco MP, Sauter T. Fast reconstruction of compact context-specific metabolic network models. PLoS Comput Biol. 2014;10(1):e1003424.
5. Butland G, Peregrín-Alvarez JM, Li J, Yang W, Yang X, Canadien V, et al. Interaction network containing conserved and essential protein complexes in Escherichia coli. Nature. 2005;433(7025):531.
6. Ruepp A, Waegele B, Lechner M, Brauner B, DungerKaltenbach I, Fobo G, et al. CORUM: the comprehensive resource of mammalian protein complexes—2009. Nucleic Acids Res. 2009;38(suppl. 1):D497–D501.
7. Liu CT, Yuan S, Li KC. Patterns of co-expression for protein complexes by size in Saccharomyces cerevisiae. Nucleic Acids Res. 2008;37(2):526–32.
8. Jansen R, Greenbaum D, Gerstein M. Relating whole-genome expression data with protein-protein interactions. Genome Res. 2002;12(1):37–46.
9. Alonso-Lopez D, Gutiérrez MA, Lopes KP, Prieto C, Santamaría R, De Las Rivas J. APID interactomes: providing proteome-based interactomes with controlled quality for multiple species and derived networks. Nucleic Acids Res. 2016;44(W1):W529–W535.
10. Chatr-Aryamontri A, Breitkreutz BJ, Oughtred R, Boucher L, Heinicke S, Chen D, et al. The BioGRID interaction database: 2015 update. Nucleic Acids Res. 2014;43(D1):D470–D478.
11. Salwinski L, Miller CS, Smith AJ, Pettit FK, Bowie JU, Eisenberg D. The database of interacting proteins: 2004 update. Nucleic Acids Res. 2004;32(suppl. 1):D449– D451.
12. Prasad TSK, Goel R, Kandasamy K, Keerthikumar S, Kumar S, Mathivanan S, et al. Human protein reference database—2009 update. Nucleic Acids Res. 2008;37(suppl. 1):D767–D772.
13. Kerrien S, Aranda B, Breuza L, Bridge A, BroackesCarter F, Chen C, et al. The IntAct molecular interaction database in 2012. Nucleic Acids Res. 2011;40(D1):D841– D846.
14. Licata L, Briganti L, Peluso D, Perfetto L, Iannuccelli M, Galeota E, et al. MINT, the molecular interaction database: 2012 update. Nucleic Acids Res. 2011;40(D1):D857–D861.
15. Brandes UA. Faster algorithm for betweenness centrality. J Math Sociol. 2001;25(2):163–77.
16. Karabekmez ME, Kirdar B. A novel topological centrality measure capturing biologically important proteins. Mol Biosyst. 2016;12(2):666–73.