Systems approach to explore components and interactions in the presynapse.
Systems approach to explore components and interactions in the presynapse.
复制标题
DOI：
10.1002/pmic.200800767
复制
发表时间：
2009-06
期刊：
影响因子：
3.4
通讯作者：
Devi, Lakshmi A.
中科院分区：
文献类型：
--
作者：
Abul-Husn, Noura S.;Bushlin, Ittai;Moron, Jose A.;Jenkins, Sherry L.;Dolios, Georgia;Wang, Rong;Iyengar, Ravi;Ma'ayan, Avi;Devi, Lakshmi A.
蛋白质组学技术在神经科学研究中的应用为更好地理解神经系统的结构和功能提供了机会。随着越来越多的神经蛋白质组学数据变得可用，有必要制定方法，以有意义的方式整合这些数据，以获得更全面的神经元亚室的图片。此外，计算方法可用于从大型蛋白质组数据集进行生物相关预测。在这里，我们应用了一个集成的蛋白质组学和系统生物学方法来表征突触前神经末梢。为此，我们对突触前富集组分进行了蛋白质组学分析，并生成了一个基于突触前文献的蛋白质-蛋白质相互作用（PPI）网络。我们将这些与其他蛋白质组学分析相结合，生成了117个突触前蛋白质的核心列表，并使用图论启发的算法预测了92个额外的组件和包含17个蛋白质的突触前复合物。其中一些预测得到了实验验证，表明计算分析可以识别亚细胞区室中的新蛋白质和复合物。我们的结论是，在这项研究中使用的技术（蛋白质组学，数据集成和计算分析）的组合是有用的，在获得一个全面的了解功能组件，特别是低丰度的实体和/或相互作用的突触前神经末梢。
The application of proteomic techniques to neuroscientific research provides an opportunity for a greater understanding of nervous system structure and function. As increasing amounts of neuroproteomic data become available, it is necessary to formulate methods to integrate these data in a meaningful way to obtain a more comprehensive picture of neuronal subcompartments. Furthermore, computational methods can be used to make biologically relevant predictions from large proteomic datasets. Here, we applied an integrated proteomics and systems biology approach to characterize the presynaptic nerve terminal. For this, we carried out proteomic analyses of presynaptically enriched fractions, and generated a presynaptic literature-based protein-protein interaction (PPI) network. We combined these with other proteomic analyses to generate a core list of 117 presynaptic proteins, and used graph theory-inspired algorithms to predict 92 additional components and a presynaptic complex containing 17 proteins. Some of these predictions were validated experimentally, indicating that the computational analyses can identify novel proteins and complexes in a subcellular compartment. We conclude that the combination of techniques (proteomics, data integration, and computational analyses) used in this study are useful in obtaining a comprehensive understanding of functional components, especially low-abundance entities and/or interactions in the presynaptic nerve terminal.
登录
查看更多内容
影响因子：
3
作者：
Berger SI;Posner JM;Ma'ayan A
通讯作者：
Ma'ayan A
影响因子：
7
作者：
Ashburner, M;Ball, CA;Yoon, J
通讯作者：
Yoon, J
影响因子：
2.9
作者：
Burre, Jacqueline;Zimmermann, Herbert;Volknandt, Walter
通讯作者：
Volknandt, Walter
影响因子：
21.3
作者：
Krendel, M;Zenke, FT;Bokoch, GM
通讯作者：
Bokoch, GM
影响因子：
56.9
作者：
Bromberg, Kenneth D.;Ma'ayan, Avi;Iyengar, Ravi
通讯作者：
Iyengar, Ravi