基于网络优化的疾病相关蛋白复合物排序分析

蛋白复合物和人类遗传病关联的研究是揭示疾病机制的重要内容。蛋白复合物的功能紊乱通常导致疾病的产生。尽管单个蛋白对应疾病的研究已经很普遍,但是用于系统性研究疾病相关蛋白复合物的计算方法还很匮乏。清华大学自动化系江瑞副教授及研究团队提出了一个用于排序候选蛋白复合物的方法MAXCOMMAXCOM通过最大信息流算法优化目标疾病和候选蛋白符合物的关系,基于将蛋白-蛋白互作与疾病表型相似性结合的异构型网络原理。通过539个蛋白复合体的交叉验证试验表明,MAXCOM方法可以排序38270.87%)个蛋白复合物。通过加入网络结构和参数进一步确定了该排序结果。通过分析与乳腺癌相关的前十的蛋白复合物发现,SWI/SNF复合物与乳腺癌具有很强的相关性。MAXCOM方法作为基于网络优化的寻找疾病相关蛋白复合物的方法,不仅可以用于疾病的病理研究,还可以用于靶向药物的设计。该研究刊登在2014年的《BMC Systems Biology》杂志上。

参考文献:

Prioritizing protein complexes implicated in human diseases by network optimization. Yong Chen, et al. BMC Systems Biology. 2014 

作者简介:

江瑞:北京清华大学自动化系副教授。清华973国家重点基础研究发展计划项目《基于新一代测序的生物信息学理论与方法》第四课题组学术骨干。研究领域生物信息学、系统生物学、模式识别、机器学习、统计推断。