یک روش ترکیبی اندازه های مرکزیت و خواص زیستی برای بهبود تشخیص کمپلکس های پروتئینی در شبکه های PPI وزنی

مقدمه: در شبکه های برهمکنش پروتئینی، یک کمپلکس گروهی از پروتئین ها است که موجب فرآیند زیستی می شوند. شناسایی درست کمپلکس ها می تواند به فهم بهتر عملکرد سلول ها کمک کند تا در اهداف درمانی مانند کشف دارو مورد استفاده قرار گیرد. یکی از روش های متداول برای شناسایی کمپلکس ها در شبکه های برهمکنش پروتئینی، خوشه بندی است؛ اما هدف این پژوهش یافتن روشی جدید برای شناسایی دقیق تر کمپلکس ها است. روش: در این مطالعه توسعه ای–کاربردی از شبکه های پروتئینی مخمر و انسان استفاده شد. مجموعه های داده ای مخمر به نام های DIP،MIPS  و Krogan به ترتیب دارای ۴۹۳۰ گره و ۱۷۲۰۱ برهمکنش ، ۴۵۶۴ گره و ۱۵۱۷۵ برهمکنش و ۲۶۷۵ گره و ۷۰۸۴ برهمکنش و مجموعه داده ای انسان دارای ۳۷۴۳۷ برهمکنش است. الگوریتم  پیشنهادی و الگوریتم های مشهور در شناسایی کمپلکس های پروتئینی بر روی مجموعه های داده ای اجرا شده اند و کمپلکس های پیش بینی شده با مجموعه داده های معیار CYC۲۰۰۸ و CORUM مورد مقایسه قرار گرفتند. نتایج: در این تحقیق روش جدیدی از دسته روش های مبتنی بر هسته و پروتئین های الحاقی جهت تشخیص کمپلکس های پروتئینی استفاده شد که دارای کارایی بالایی در تشخیص بود. هرچه قدر تشخیص کمپلکس ها دقیق تر باشد، می توان پروتئین های دخیل در یک فرآیند زیستی را درست تر تشخیص داد. معیار های ارزیابی نشان داد که روش پیشنهادی، بهبود قابل توجهی نسبت به دیگر روش ها دارد. نتیجه­ گیری: با توجه به نتایج به دست آمده مشاهده شد که روش پیشنهادی تعداد مناسبی از کمپلکس های پروتئینی را شناسایی نمود و بیشترین نسبت معنی داری زیستی را در همکاری عملکردی پروتئین ها دارد.

Keywords:

Protein complexes , Protein interaction network , Centrality measures , Essential protein , Core-attachment Algorithm , کمپلکس های پروتئینی , شبکه برهمکنش پروتئینی , اندازه های مرکزیت , پروتئین های اساسی , الگوریتم مبتنی بر هسته و پروتئین های جانبی