Computational Prediction of Protein Complexes from Protein Interaction Networks

مجموعه‌های پروتئین‌های در حال تعامل فیزیکی، واحدهای عملکردی اساسی را تشکیل می‌دهند که تقریباً تمام فرآیندهای بیولوژیکی را در سلول‌ها هدایت می‌کنند. بنابراین، بازسازی وفادارانه کل مجموعه کمپلکس‌های پروتئینی ("کمپلکسوزوم") نه تنها برای درک ترکیب کمپلکس‌ها بلکه برای سازماندهی عملکردی سطح بالاتر در سلول‌ها نیز مهم است. پیشرفت‌ها در چند سال گذشته، به‌ویژه از طریق استفاده از تکنیک‌های پروتئومیکس با کارایی بالا، نقشه‌برداری بخش‌های قابل توجهی از برهمکنش‌های پروتئینی ("اینتراکتوم") را از ارگانیسم‌های مدل از جمله Arabidopsis thaliana (یک گیاه گلدار)، Caenorhabditis ممکن کرده است. الگانس (نماتد)، مگس سرکه مگس سرکه و ساکارومایسس سرویزیه (مخمر جوانه زدن). این مجموعه داده‌های تعاملی، تحقیقات سیستماتیک را در شناسایی و مطالعه کمپلکس‌های پروتئینی از موجودات ممکن می‌سازد. روش‌های محاسباتی با کمک روش‌های دقیق، کارآمد و جامع برای تجزیه و تحلیل حجم عظیمی از داده‌ها، نقش مهمی در این زمینه ایفا کرده‌اند. این روش‌ها به جبران برخی از محدودیت‌ها در مجموعه داده‌های تجربی از جمله وجود نویز بیولوژیکی و فنی و کمبود نسبی تعاملات معتبر کمک کرده‌اند.

در این کتاب، ما به‌طور سیستماتیک از روش‌های محاسباتی ابداع شده تا به امروز عبور می‌کنیم. (تقریبا بین سال های 2000 تا 2016) برای شناسایی کمپلکس های پروتئینی از شبکه برهمکنش های پروتئینی (شبکه تعامل پروتئین-پروتئین (PPI)). ما یک طبقه‌بندی دقیق از این روش‌ها ارائه می‌کنیم و به طور جامع آنها را برای شناسایی کمپلکس پروتئین در سناریوهای مختلف از جمله عدم وجود بسیاری از تعاملات واقعی و وجود برهمکنش‌های مثبت کاذب (نویز) در شبکه‌های PPI ارزیابی می‌کنیم. بر اساس این ارزیابی، چالش‌های پیش روی روش‌ها را برجسته می‌کنیم، به‌عنوان مثال در شناسایی کمپلکس‌های پراکنده، فرعی یا کوچک و تشخیص کمپلکس‌های همپوشانی، و نشان می‌دهیم که چگونه ترکیبی از استراتژی‌ها برای بازسازی دقیق کل کمپلکسوزوم ضروری است.

Complexes of physically interacting proteins constitute fundamental functional units that drive almost all biological processes within cells. A faithful reconstruction of the entire set of protein complexes (the "complexosome") is therefore important not only to understand the composition of complexes but also the higher level functional organization within cells. Advances over the last several years, particularly through the use of high-throughput proteomics techniques, have made it possible to map substantial fractions of protein interactions (the "interactomes") from model organisms including Arabidopsis thaliana (a flowering plant), Caenorhabditis elegans (a nematode), Drosophila melanogaster (fruit fly), and Saccharomyces cerevisiae (budding yeast). These interaction datasets have enabled systematic inquiry into the identification and study of protein complexes from organisms. Computational methods have played a significant role in this context, by contributing accurate, efficient, and exhaustive ways to analyze the enormous amounts of data. These methods have helped to compensate for some of the limitations in experimental datasets including the presence of biological and technical noise and the relative paucity of credible interactions.

In this book, we systematically walk through computational methods devised to date (approximately between 2000 and 2016) for identifying protein complexes from the network of protein interactions (the protein-protein interaction (PPI) network). We present a detailed taxonomy of these methods, and comprehensively evaluate them for protein complex identification across a variety of scenarios including the absence of many true interactions and the presence of false-positive interactions (noise) in PPI networks. Based on this evaluation, we highlight challenges faced by the methods, for instance in identifying sparse, sub-, or small complexes and in discerning overlapping complexes, and reveal how a combination of strategies is necessary to accurately reconstruct the entire complexosome.