通過蛋白質互作網絡預測已知部分功能的蛋白質的精細功能

摘要 基于高通量數據, 研究人員已經設計了許多算法用于尋找功能完全未知蛋白質的功能. 然而, 這些算法的效率受到一些根本因素的制約, 包括: (ⅰ) 功能完全未知的蛋白質參與一個精細功能的先驗概率低; (ⅱ) 高通量互作數據中有大量的假陽性互作; (ⅲ) 蛋白質互作數據對功能類的覆蓋不完全; (ⅳ)訓練算法的大量陰性樣本數據是異質的; (ⅴ) 訓練算法的蛋白質的精細功能知識不足. 因此, 本研究提出一種新的方法對已知部分功能的蛋白質進行功能預測, 即利用功能特異的蛋白質互作子網或者基因表達模式信息來尋找蛋白質更為精細的功能. 該方法能夠通過恰當地定義預測范圍和過濾假陽性數據減少上述提到的問題, 因此可以高效地發現蛋白質的新功能. 對于幾千個已知部分功能的酵母與人類蛋白質, 該方法能夠以超過90%的精確率找到它們更為精細的功能. 預測的精細功能對于指導隨后的濕實驗和提供必要的功能知識來學習其他蛋白質的功能都具有重要的意義.