基于三维结构和复杂网络的Hub蛋白质的功能研究
结题报告
批准号:
61502356
项目类别:
青年科学基金项目
资助金额:
19.0 万元
负责人:
林晓丽
依托单位:
学科分类:
F0213.生物信息计算与数字健康
结题年份:
2018
批准年份:
2015
项目状态:
已结题
项目参与者:
于海平、李琳、何非、杨华勇、杨艳霞、周凤丽、谭兵琴、叶静
国基评审专家1V1指导 中标率高出同行96.8%
结合最新热点,提供专业选题建议
深度指导申报书撰写,确保创新可行
指导项目中标800+,快速提高中标率
客服二维码
微信扫码咨询
中文摘要
蛋白质-蛋白质相互作用中的Hub蛋白质是稳定并协调蛋白质-蛋白质相互作用并发挥生物学功能的关键因素,它有助于解释蛋白质发挥其生物学功能的分子机制,进一步理解生命活动的微观过程,并对基于蛋白质结构的药物设计提供理论指导。本研究基于三维空间结构,构建蛋白质相互作用复杂网络,结合蛋白质的生物特征、进化特征、相互作用网络拓扑特性等,采用机器学习方法对Hub蛋白质在相互作用中的地位和功能进行深入研究,包括Hub 蛋白质的网络结构中心性与功能致命性研究、Hub 蛋白质相互作用下的热区发现、Hub蛋白质与结构域的关联性分析和Hub 蛋白质之间相互作用的倾向性研究。最后,设计并实现一个适用于分析Hub蛋白质相互作用的原型系统。该课题问题的解决,对理解蛋白质相互作用机理和揭示生命活动规律提供理论支持。
英文摘要
In the protein-protein interaction, Hub proteins are the key factor to maintain stability and coordination of protein-protein interactions, and exert proteins biological function. Hub proteins help to explain the molecular mechanism of exerting biological function, to understand the micro process of life activity and provide theoretical guidance of the drug design based on protein structure. Based on the protein three dimensional structure, this research establishes the complex network of PPI, combines with biological feature, character evolution, protein interaction network topology, uses the machine learning methods to conduct depth study of the status and function of Hub protein in the interaction. The main research contents include the relationship between topological structure and functional lethality in protein-protein interaction, the prediction of Hub protein interaction hot regions, the relevance analysis between Hub protein and structure domain, the tendency research of Hub protein interaction. Finally, a prototype system of analyzing Hub protein interactions is designed. The solution of these research problems provides the theoretical support for understanding protein-protein interaction mechanism and revealing the rule of the activity.
本项目采用了机器学习聚类算法和分类算法,结合Hub蛋白质相互作用的复杂网络特性,以及蛋白质的生物特征和结构特征,开展了一系列的研究。.针对Hub蛋白质的物理化学特性和结构特征,实现了两种特征选择方法:1)基于改进的mRMR的特征选择方法;2) 基于相关系数和SVM-RFE特征选择方法。通过提出的两种方法,无关的特征可以去除,且不会造成大量的信息丢失。.设计了基于mRNA表达的Hub蛋白质的中心性及结构域分析方法。根据节点的连接度和中介度,通过调整不同的阈值,检测不同蛋白质所占的比例,确定DateHub和PartyHub蛋白质节点集合。此外,提出了有效的Hub蛋白质热区预测方法:1) 基于局部社区结构探测的Hub蛋白质热区预测方法。2) 基于残基配位数优化和K-means的Hub蛋白质结合面热区预测方法。提出的两种方法对预测Hub蛋白质相互作用结合面上的热区是有效的,具有较高的精度和稳定性,能够较真实地反映Hub蛋白质残基节点所在的热区结构。最后,对获得的热区结果进行可视化处理,提供蛋白质相互作用的三维空间结构图。.提出了基于相互作用倾向性的Hub蛋白质结合面预测方法。在分类过程中加入Hub蛋白质之间的相互作用情况,计算它们之间发生相互作用的倾向性,采用集成学习方法对相互作用倾向性较高的DD结合面(DateHub-DateHub)和PP结合面(PartyHub-PartyHub)进行分类。此外,还利用平均精确率下降曲线和平均基尼系数下降曲线分析特征变量在热点预测过程的重要性,而且采用了新的评估分类模型的方式,通过绘制边缘盒须图直观地评价分类模型的确定性。.通过本项目的实施,揭示了Hub蛋白质在PPIN中所表现出的独特结构属性和重要作用,使得可以通过对Hub蛋白质的研究来探寻蛋白质相互作用网络中拓扑结构、生物功能和进化性之间的关系。其研究成果将进一步促进药物设计的发展,指导基于蛋白质结构的药物研究,可以作为生物制药的理论基础,具有广泛的生物应用价值。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
DOI:10.16208/j.issn1000-7024.2017.07.035
发表时间:2017
期刊:计算机工程与设计
影响因子:--
作者:李雪燕;林晓丽;于海平
通讯作者:于海平
DOI:10.1007/s11042-018-6735-5
发表时间:2018-10
期刊:Multimedia Tools and Applications
影响因子:3.6
作者:Haiping Yu;Fazhi He;Yiteng Pan
通讯作者:Haiping Yu;Fazhi He;Yiteng Pan
Efficiently Predicting Hot Spots in PPIs by Combining Random Forest and Synthetic Minority Over-Sampling Technique
结合随机森林和合成少数过采样技术有效预测 PPI 中的热点
DOI:10.1109/tcbb.2018.2871674
发表时间:2019-05
期刊:IEEE/ACM Transactions on Computational Biology and Bioinformatics
影响因子:--
作者:Zhang Xiaolong;Lin Xiaoli;Zhao Jiafu;Huang Qianqian;Xu Xin
通讯作者:Xu Xin
Prediction of Hot Regions in PPIs Based on Improved Local Community Structure Detecting
基于改进局部群落结构检测的PPI热点区域预测
DOI:10.1109/tcbb.2018.2793858
发表时间:2018-09-01
期刊:IEEE-ACM TRANSACTIONS ON COMPUTATIONAL BIOLOGY AND BIOINFORMATICS
影响因子:4.5
作者:Lin, Xiaoli;Zhang, Xiaolong
通讯作者:Zhang, Xiaolong
DOI:10.16208/j.issn1000-7024.2018.01.016
发表时间:2018
期刊:计算机工程与设计
影响因子:--
作者:杜明宇;张晓龙
通讯作者:张晓龙
国内基金
海外基金