Identifying the topology of protein complexes from affinity purification assays.
Identifying the topology of protein complexes from affinity purification assays.
复制标题
通过亲和力纯化测定法识别蛋白质复合物的拓扑结构。
DOI：
10.1093/bioinformatics/btp353
复制
发表时间：
2009-08-15
期刊：
影响因子：
--
通讯作者：
Zimmer R
中科院分区：
文献类型：
--
作者：
Friedel CC;Zimmer R
动机：高通量技术的最新进展使得不仅可以研究单个蛋白质的相互作用，而且可以研究这些蛋白质在复合物中的相互作用。到目前为止，重点一直是从实验结果中预测复合物作为蛋白质组。蛋白质复合物中的模块化亚结构和物理相互作用大多被忽略了。结果如下：我们提出了一种方法，用于确定直接的物理相互作用和亲和纯化分析预测的蛋白质复合物的亚组分结构。我们的算法从每个蛋白质复合物的评分网络中计算所有最大生成树的联合，以提取相关的相互作用。在随后的步骤中，该网络被扩展到不被替代间接路径考虑的交互。我们表明，这种方法确定的相互作用是更准确地预测实验得出的物理相互作用比基线方法。基于这些网络，可以更满意地解析配合物的子组分结构，并可以识别子配合物。我们的方法的有用性说明了RNA聚合酶的模块化的子结构可以成功地重建。可用性：预测方法的Java实现和补充材料可在www.example.com上获得。联系人：caroline. friedel@www.example.com补充信息：补充数据可在生物信息学在线获得。
Motivation: Recent advances in high-throughput technologies have made it possible to investigate not only individual protein interactions, but also the association of these proteins in complexes. So far the focus has been on the prediction of complexes as sets of proteins from the experimental results. The modular substructure and the physical interactions within the protein complexes have been mostly ignored. Results: We present an approach for identifying the direct physical interactions and the subcomponent structure of protein complexes predicted from affinity purification assays. Our algorithm calculates the union of all maximum spanning trees from scoring networks for each protein complex to extract relevant interactions. In a subsequent step this network is extended to interactions which are not accounted for by alternative indirect paths. We show that the interactions identified with this approach are more accurate in predicting experimentally derived physical interactions than baseline approaches. Based on these networks, the subcomponent structure of the complexes can be resolved more satisfactorily and subcomplexes can be identified. The usefulness of our method is illustrated on the RNA polymerases for which the modular substructure can be successfully reconstructed. Availability: A Java implementation of the prediction methods and supplementary material are available at http://www.bio.ifi.lmu.de/Complexes/Substructures/. Contact: caroline.friedel@bio.ifi.lmu.de Supplementary information: Supplementary data are available at Bioinformatics online.
登录
查看更多内容
非par体6：具有内核的真核直系同源群。
影响因子：
14.9
作者：
Berglund AC;Sjölund E;Ostlund G;Sonnhammer EL
通讯作者：
Sonnhammer EL
影响因子：
3.4
作者：
Pu, Shuye;Vlasblom, Jim;Wodak, Shoshana J.
通讯作者：
Wodak, Shoshana J.
影响因子：
64.8
作者：
Gavin, AC;Aloy, P;Superti-Furga, G
通讯作者：
Superti-Furga, G
影响因子：
7
作者：
Collins, Sean R.;Kemmeren, Patrick;Krogan, Nevan J.
通讯作者：
Krogan, Nevan J.
影响因子：
56.9
作者：
Li, SM;Armstrong, CM;Vidal, M
通讯作者：
Vidal, M