...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE/ACM transactions on computational biology and bioinformatics >Predicting Protein-Protein Interactions from Protein Domains Using a Set Cover Approach
【24h】

Predicting Protein-Protein Interactions from Protein Domains Using a Set Cover Approach

机译：使用Set Cover方法从蛋白质结构域预测蛋白质与蛋白质的相互作用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

One goal of contemporary proteome research is the elucidation of cellular protein interactions. Based on currently available protein-protein interaction and domain data, we introduce a novel method, maximum specificity set cover (MSSC), for the prediction of protein-protein interactions. In our approach, we map the relationship between interactions of proteins and their corresponding domain architectures to a generalized weighted set cover problem. The application of a greedy algorithm provides sets of domain interactions which explain the presence of protein interactions to the largest degree of specificity. Utilizing domain and protein interaction data of S. cerevisiae, MSSC enables prediction of previously unknown protein interactions, links that are well supported by a high tendency of coexpression and functional homogeneity of the corresponding proteins. Focusing on concrete examples, we show that MSSC reliably predicts protein interactions in well-studied molecular systems, such as the 26S proteasome and RNA polymerase II of S. cerevisiae. We also show that the quality of the predictions is comparable to the maximum likelihood estimation while MSSC is faster. This new algorithm and all data sets used are accessible through a Web portal at http://ppi-cse.nd.edu
机译：当代蛋白质组学研究的目标之一是阐明细胞蛋白质相互作用。基于当前可用的蛋白质-蛋白质相互作用和结构域数据，我们介绍了一种新方法，最大特异性集覆盖率（MSSC），用于预测蛋白质-蛋白质相互作用。在我们的方法中，我们将蛋白质相互作用及其相应域结构之间的关系映射到广义加权集覆盖问题。贪婪算法的应用提供了一组域相互作用，这些域相互作用以最大程度的特异性解释了蛋白质相互作用的存在。利用酿酒酵母的结构域和蛋白质相互作用数据，MSSC可以预测以前未知的蛋白质相互作用，这些相互作用由相应蛋白的共表达和功能同质性的高趋势很好地支持。着眼于具体的例子，我们显示MSSC能够可靠地预测在经过充分研究的分子系统中的蛋白质相互作用，例如酿酒酵母的26S蛋白酶体和RNA聚合酶II。我们还表明，预测的质量与最大似然估计相当，而MSSC则更快。可通过位于http://ppi-cse.nd.edu的Web门户访问此新算法和使用的所有数据集。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号