類似Google的蛋白功能搜索引擎研究進展

細胞通過成千上萬控制其生長和分化的蛋白相互協作而發揮功能，關鍵蛋白功能失常常會導致疾病。目前已經有許多關于探索所有人類蛋白功能的大規模研究項目。最近，de Recherches Cliniques de Montréal (IRCM)研究所Benoit Coulombe博士率領的研究小組新發展了一套行之有效的蛋白組學方法，有助于加深人們對人類蛋白組學的了解和進一步研究蛋白的功能。詳細內容刊登于7 月20日《Molecular Cell》雜志。

蛋白很少單獨行動，更多情況下是與其它蛋白聚合為復合體，協作發揮功能。Coulombe等推測相互作用的蛋白可能是在同一生物學途徑中的搭檔，因此保留了相同的（或相關的）功能。于是，他們發展出一種利用蛋白組學方法和他們研制的運算法則，通過功能已知的蛋白，研究與之相互作用的蛋白伴侶的功能的“公式”。

Coulombe等通過系統性分析已知在基因轉錄和RNA加工過程中發揮特定功能的32個人類蛋白的搭檔，繪制出一個包括436個蛋白和由這些蛋白形成的805個反應在內的復雜網絡。為了證明物理學上相互作用的蛋白，功能上也有相關性，Coulombe等特意從網絡中選擇了一組功能未知的蛋白，根據其網絡背景對其功能進行詳盡研究。

Coulombe等得到了一個被期待已久的發現：一種調節小RNA分子穩定性的關鍵酶。科研人員早在十幾年前便意識到了這種酶的存在及其重要性，但苦于缺少有效的提取方法而不能對其進行深入研究。Coulombe等發現這種酶是另一種受其調節的蛋白的搭檔，并將其命名為MePCE。除了MePCE，Coulombe等還發現了許多其它重要蛋白及這些蛋白在細胞中的功能。

Human Proteotheque Initiative (HuPI)是Coulombe實驗室的一個卓有遠見的項目，最終目的是目標是繪制一張與調節細胞生長、分化及疾病進行有關的蛋白的相互作用圖譜。 HuPI的中心是其實驗性平臺，術語為“HuPI discovery engine”。《Molecular Cell》文章所描述的是第一代技術平臺。

現在最為重要的是發展一種高度可信的、有效的探索途徑，得到盡可能全面、精確的相互作用圖譜。Coulombe博士將其HuPI探索引擎比作Google搜索引擎。建立一套產生無用信息的方法無啻于浪費時間和資源，Coulombe的目標是集中精力建立一個只產生相關、有效信息的蛋白組學途徑。（如同Google為網絡搜提供有效連接圖譜，省去更多不必要的信息）。雖然已經取得了一定成就，但Coulombe的最終目標是建立一個代表人類細胞正常生理學狀態和特定疾病狀態下的分子圖譜的公用指令系統（repertoire），他希望這種蛋白相互作用網絡的全面指令特征——Human Proteotheque能夠被全世界科學家用于尋找新的重要蛋白，為診斷甚至治療特異疾病提供一臂之力。

我國蛋白質相互作用網絡研究進展
 
蛋白質—蛋白質相互作用（PPI）決定著從轉錄調節到酶級鏈反應的幾乎所有的生物功能，這方面的研究具有重要的科學價值和應用前景。目前的實驗方法，如GSTpulldown和免疫共沉淀方法的通量還不足以滿足蛋白質組相互作用網絡研究的需要，酵母雙雜交測定PPI的速度雖快，但精度不夠。因此，發展理論方法在基因組水平上預測PPI及其相互作用網絡，對功能基因組研究具有十分重要的意義，也是目前生命科學的前沿領域。目前大多數蛋白質—蛋白質相互作用預測方法需要同源蛋白信息或者蛋白相互作用標識物信息，這類方法能應用的范圍有限，不能對一般化的蛋白質—蛋白質相互作用給出較好預測結果，更不能應用于大規模PPI網絡的預測。　

中科院上海生命科學研究院藥物研究所蔣華良研究員帶領學生張健和沈菊文等，經過兩年努力，發明出一套預測蛋白質—蛋白質相互作用及其網絡預測的新方法，預測精確性大于80％。該成果的論文于近日發表在國際權威學術刊物《美國科學院院刊》（PNAS）在線版上。

蔣華良等發現的方法是支持向量機算法——一種機器學習算法。科研人員首先將20種氨基酸根據極性和大小分成7類，并用連續的3個氨基酸作為一個單位來描述蛋白質序列，以降低蛋白質相互作用空間的復雜性。另外，科研人員還發展了新的內核函數，該函數考慮了蛋白相互作用的對稱性，更適合于表征蛋白質—蛋白質的相互作用。然后用超過16000對實驗測定的蛋白質—蛋白質相互作用結果構造了通用性PPI預測模型，使預測精確性大于80％，并能用于不同類型PPI網絡的預測，意味著即使只獲得蛋白質序列信息，該方法依然能夠用于任意新蛋白的功能研究或預測老蛋白質的新功能。