The effects of incomplete protein interaction data on structural and evolutionary inferences.
The effects of incomplete protein interaction data on structural and evolutionary inferences.
复制标题
DOI：
10.1186/1741-7007-4-39
复制
发表时间：
2006-11-03
期刊：
影响因子：
5.4
通讯作者：
Stumpf, Michael P. H.
中科院分区：
文献类型：
--
作者：
de Silva, Eric;Thorne, Thomas;Ingram, Piers;Agrafioti, Ino;Swire, Jonathan;Wiuf, Carsten;Stumpf, Michael P. H.
目前的蛋白质相互作用网络数据集只包括生物体中蛋白质子集之间的相互作用。以前，这一点被忽略了，但原则上，任何只考虑部分数据的全球网络分析都可能有偏差。在这里，我们证明了在任何分析中从一开始就明确考虑网络采样特性的必要性。在这里，我们研究了酵母蛋白质相互作用网络的属性是如何受到随机和非随机抽样方案使用一系列不同的网络统计。结果表明，影响是独立的蛋白质相互作用数据中的固有噪声。网络数据的不完整性的影响变得非常明显，特别是对于所谓的网络图案。我们还考虑了不完整的网络数据对功能和进化推理的影响。至关重要的是，当只考虑小的、部分的网络数据集时，偏差几乎是不可避免的。鉴于这里考虑的影响范围，以前的分析可能必须仔细重新评估：忽视目前网络数据不完整的事实将严重影响我们理解生物系统的能力。
Present protein interaction network data sets include only interactions among subsets of the proteins in an organism. Previously this has been ignored, but in principle any global network analysis that only looks at partial data may be biased. Here we demonstrate the need to consider network sampling properties explicitly and from the outset in any analysis. Here we study how properties of the yeast protein interaction network are affected by random and non-random sampling schemes using a range of different network statistics. Effects are shown to be independent of the inherent noise in protein interaction data. The effects of the incomplete nature of network data become very noticeable, especially for so-called network motifs. We also consider the effect of incomplete network data on functional and evolutionary inferences. Crucially, when only small, partial network data sets are considered, bias is virtually inevitable. Given the scope of effects considered here, previous analyses may have to be carefully reassessed: ignoring the fact that present network data are incomplete will severely affect our ability to understand biological systems.
登录
查看更多内容
数据集选择对蛋白质相互作用网络的拓扑解释的影响。
影响因子：
4.4
作者：
Hakes L;Robertson DL;Oliver SG
通讯作者：
Oliver SG
影响因子：
2.4
作者：
Ebel, H;Mielsch, LI;Bornholdt, S
通讯作者：
Bornholdt, S
影响因子：
46.9
作者：
Lappe, M;Holm, L
通讯作者：
Holm, L
影响因子：
2.4
作者：
Lee, SH;Kim, PJ;Jeong, H
通讯作者：
Jeong, H
影响因子：
64.8
作者：
Gavin, AC;Bösche, M;Superti-Furga, G
通讯作者：
Superti-Furga, G