Going the distance for protein function prediction: a new distance metric for protein interaction networks.
Going the distance for protein function prediction: a new distance metric for protein interaction networks.
复制标题
DOI：
10.1371/journal.pone.0076339
复制
发表时间：
2013
期刊：
影响因子：
3.7
通讯作者：
Hescott B
中科院分区：
文献类型：
--
作者：
Cao M;Zhang H;Park J;Daniels NM;Crovella ME;Cowen LJ;Hescott B
在蛋白质-蛋白质相互作用（PPI）网络中，功能相似性通常是基于直接相互作用的蛋白质的功能来推断的，或者更一般地说，是基于局部邻域中蛋白质之间的相互作用网络接近度的概念。先前的方法通常将邻近度作为网络中的最短路径距离来测量，但这在捕获细粒度邻域区别方面的能力有限，因为大多数蛋白质彼此靠近，并且存在许多邻近关系。我们引入了扩散状态距离（DSD），这是一种基于图形扩散特性的新度量，旨在捕获PPI网络中功能注释传输附近的细粒度差异。我们提出了一个工具，当输入PPI网络时，将输出每对蛋白质之间的DSD距离。我们发现，用DSD代替最短路径度量可以全面提高经典函数预测方法的性能。
In protein-protein interaction (PPI) networks, functional similarity is often inferred based on the function of directly interacting proteins, or more generally, some notion of interaction network proximity among proteins in a local neighborhood. Prior methods typically measure proximity as the shortest-path distance in the network, but this has only a limited ability to capture fine-grained neighborhood distinctions, because most proteins are close to each other, and there are many ties in proximity. We introduce diffusion state distance (DSD), a new metric based on a graph diffusion property, designed to capture finer-grained distinctions in proximity for transfer of functional annotation in PPI networks. We present a tool that, when input a PPI network, will output the DSD distances between every pair of proteins. We show that replacing the shortest-path metric by DSD improves the performance of classical function prediction methods across the board.
登录
查看更多内容
DOI：
10.1093/bioinformatics/btp551
发表时间：
2009-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Song J;Singh M
通讯作者：
Singh M
影响因子：
46.9
作者：
Vazquez, A;Flammini, A;Vespignani, A
通讯作者：
Vespignani, A
影响因子：
1.7
作者：
Erten, Sinan;Bebek, Gurkan;Koyutuerk, Mehmet
通讯作者：
Koyutuerk, Mehmet
DOI：
10.1073/pnas.0307326101
发表时间：
2004-03-02
影响因子：
11.1
作者：
Karaoz, U;Murali, TM;Kasif, S
通讯作者：
Kasif, S
影响因子：
9.9
作者：
Sharan, Roded;Ulitsky, Igor;Shamir, Ron
通讯作者：
Shamir, Ron