机器学习和生物信息学实验室联盟

标题: 姜晶-2016.9.30组会-有向人类PPIN的可控性分析和识别疾病基因及药靶 [打印本页]

作者: Crystal 时间: 2016-10-8 16:11
标题: 姜晶-2016.9.30组会-有向人类PPIN的可控性分析和识别疾病基因及药靶
标题：有向人类PPIN的可控性分析和识别疾病基因及药靶

摘要：PPIN对于细胞信息处理和决策是至关重要的。随着稳定输入，PPIN驱使细胞成多种功能性结果，如细胞增殖或细胞死亡。本文描述了一个包含6339蛋白和34813互作的有向人类PPIN的结构可控性。根据网络中特定蛋白的移除后对应网络中驱动节点个数的增加、不变以及减少，把蛋白分类成“必要的”，“中性的”，“不必要的”。PPIN中21%蛋白是必要蛋白，而这些蛋白是疾病致病变异、人类病毒和药物主要靶点，说明一个网络控制属性的改变对于在正常和疾病状态之间的转变是重要的。进一步分析来自1547癌症样本的拷贝数改变数据，揭示了在九种不同癌症间频繁扩增或缺失的56个基因是必要基因。在这56个基因中，46个之前未报道与癌症相关，说明可控性分析可用于识别新的疾病基因和潜在药物靶点。

创新点：
（1）可控性框架首次应用到大规模的生物学网络
（2）根据网络中驱动节点个数的改变对蛋白质进行分类

结果：对三类蛋白在不同的应用上进行比较，进一步说明必要蛋白的重要性，以及对必要蛋白分成两个子类，尤其对Type II类进行分析。

参考论文：
[1]Vinayagam A, Gibson TE, et.al. Controllability analysis of the directed human protein interaction network identifies disease genes and drug targets.
[2]Vinayagam A, Stelzl U, et.al. A directed protein interaction network for investigating intracellular signal transduction.

报告PPT：
[attach]2743[/attach]

欢迎光临机器学习和生物信息学实验室联盟 (http://123.57.240.48/)