Protein Complex Identification]{在蛋白质相互作用网络中使用成对约束识别具有清晰模块结构的蛋白质复合物,Frontiers in Genetics

当前位置： X-MOL 学术 › Front. Genet. › 论文详情

Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

Protein Complex Identification]{在蛋白质相互作用网络中使用成对约束识别具有清晰模块结构的蛋白质复合物
Frontiers in Genetics ( IF 2.8 ) Pub Date : 2021-06-23 , DOI: 10.3389/fgene.2021.664786
Guangming Liu ₁ , Bo Liu ₂ , Aimin Li ₁ , Xiaofan Wang ₁ , Jian Yu ₃ , Xuezhong Zhou ₃

Affiliation

蛋白质-蛋白质相互作用（PPI）网络可以被视为阐明细胞组织原理和机制的强大平台。从 PPI 网络中发现蛋白质复合物将有助于更好地理解细胞系统中的生物功能科学。近几十年来，已经开发了许多计算算法来识别蛋白质复合物。然而，他们中的大多数主要关注 PPI 网络的拓扑结构，而缺乏对蛋白质复合物之间天然组织结构的考虑。由高通量技术生成的 PPI 网络包括一小部分假蛋白质相互作用，这使得难以有效识别蛋白质复合物。为了应对这些挑战，我们提出了一种基于非负矩阵三分解的新型半监督蛋白质复合物检测模型，该模型不仅考虑了 PPI 网络的拓扑结构，而且充分利用了具有必须链接约束的可用高质量已知蛋白质对。我们提出了非重叠（NSSNMTF）和重叠（OSSNMTF）蛋白质复合物检测算法，以从 PPI 网络中识别具有清晰模块结构的重要蛋白质复合物。此外，所提出的两种蛋白质复合物检测算法在合成网络和人类相关 PPI 网络上均优于各种最先进的蛋白质复合物识别算法。它不仅考虑了 PPI 网络的拓扑结构，而且充分利用了具有必须链接约束的可用高质量已知蛋白质对。我们提出了非重叠 (NSSNMTF) 和重叠 (OSSNMTF) 蛋白质复合物检测算法，以从 PPI 网络中识别具有清晰模块结构的重要蛋白质复合物。此外，所提出的两种蛋白质复合物检测算法在合成网络和人类相关 PPI 网络上均优于各种最先进的蛋白质复合物识别算法。它不仅考虑了 PPI 网络的拓扑结构，而且充分利用了具有必须链接约束的可用高质量已知蛋白质对。我们提出了非重叠 (NSSNMTF) 和重叠 (OSSNMTF) 蛋白质复合物检测算法，以从 PPI 网络中识别具有清晰模块结构的重要蛋白质复合物。此外，所提出的两种蛋白质复合物检测算法在合成网络和人类相关 PPI 网络上均优于各种最先进的蛋白质复合物识别算法。

"点击查看英文标题和摘要"

Protein Complex Identification]{Identifying protein complexes with clear module structure using pairwise constraints in protein interaction networks

The protein-protein interaction (PPI) networks can be regarded as a powerful platform to elucidate the principle and mechanism of cellular organization. Uncovering protein complexes from PPI networks will lead to better understanding the science of biological function in cellular systems. In recent decades, numerous computational algorithms have been developed to identify protein complexes. However, majority of them primarily concern on topological structure of PPI networks and lack of the consideration for the native organized structure among protein complexes. The PPI networks generated by high-throughput technology include a fraction of false protein interactions which make it difficult to identify protein complexes efficiently. To tackle these challenges, we propose a novel semi-supervised protein complex detection model based on non-negative matrix tri-factorization, which not only considers topological structure of a PPI network but also makes full use of available high quality known protein pairs with must-link constraints. We propose non-overlapping (NSSNMTF) and overlapping (OSSNMTF) protein complex detection algorithms to identify the significant protein complexes with clear module structures from PPI networks. In addition, the proposed two protein complex detection algorithms outperform a diverse range of state-of-the-art protein complex identification algorithms on both synthetic networks and human related PPI networks.

更新日期：2021-06-23

点击分享查看原文

点击收藏

公开下载

阅读更多本刊新发论文本刊介绍/投稿指南