Short Co-occurring Polypeptide Regions Can Predict Global Protein Interaction Maps.
Short Co-occurring Polypeptide Regions Can Predict Global Protein Interaction Maps.
复制标题
DOI：
10.1038/srep00239
复制
发表时间：
2012
影响因子：
4.6
通讯作者：
Golshani, Ashkan
中科院分区：
文献类型：
--
作者：
Pitre, Sylvain;Hooshyar, Mohsen;Schoenrock, Andrew;Samanfar, Bahram;Jessulat, Matthew;Green, James R.;Dehne, Frank;Golshani, Ashkan
后基因组学时代的一个目标是阐明细胞内蛋白质-蛋白质相互作用（PPI）的详细全局图。在这里，我们表明，相互作用的蛋白质伴侣之间的共同存在的短多肽序列的存在似乎是保守的不同的生物体。我们提出了一种算法来自动生成PPI预测方法参数为各种生物体和说明，全球PPI可以预测从以前报道的PPI在相同或不同的生物体使用蛋白质的主要序列。通过使用并行多核编程进一步加速PPI预测代码，这提高了其用于大规模或蛋白质组范围PPI预测的可用性。我们预测和分析了数百种新的人类PPI，实验证实了蛋白质的功能，并重要地预测了S. pombe（109，000 PPIs）和C. elegans（137，500 PPI）。
A goal of the post-genomics era has been to elucidate a detailed global map of protein-protein interactions (PPIs) within a cell. Here, we show that the presence of co-occurring short polypeptide sequences between interacting protein partners appears to be conserved across different organisms. We present an algorithm to automatically generate PPI prediction method parameters for various organisms and illustrate that global PPIs can be predicted from previously reported PPIs within the same or a different organism using protein primary sequences. The PPI prediction code is further accelerated through the use of parallel multi-core programming, which improves its usability for large scale or proteome-wide PPI prediction. We predict and analyze hundreds of novel human PPIs, experimentally confirm protein functions and importantly predict the first genome-wide PPI maps for S. pombe (∼9,000 PPIs) and C. elegans (∼37,500 PPIs).
登录
查看更多内容
影响因子：
14.9
作者：
Keshava Prasad TS;Goel R;Kandasamy K;Keerthikumar S;Kumar S;Mathivanan S;Telikicherla D;Raju R;Shafreen B;Venugopal A;Balakrishnan L;Marimuthu A;Banerjee S;Somanathan DS;Sebastian A;Rani S;Ray S;Harrys Kishore CJ;Kanth S;Ahmed M;Kashyap MK;Mohmood R;Ramachandra YL;Krishna V;Rahiman BA;Mohan S;Ranganathan P;Ramabadran S;Chaerkady R;Pandey A
通讯作者：
Pandey A
影响因子：
14.9
作者：
Andres Leon E;Ezkurdia I;García B;Valencia A;Juan D
通讯作者：
Juan D
影响因子：
9.8
作者：
Neduva V;Linding R;Su-Angrand I;Stark A;de Masi F;Gibson TJ;Lewis J;Serrano L;Russell RB
通讯作者：
Russell RB
影响因子：
3.9
作者：
Jessulat, Matthew;Alamgir, Md;Golshani, Ashkan
通讯作者：
Golshani, Ashkan
影响因子：
64.8
作者：
Jeong, H;Mason, SP;Oltvai, ZN
通讯作者：
Oltvai, ZN