[发明专利]基于亚细胞定位特异性的关键蛋白质识别方法

说明书

技术领域

本发明属于系统生物学领域，涉及一种基于亚细胞定位特异性的关键蛋白质识别方法。

背景技术

众所周知，不同的蛋白质对生物有机体生命活动的作用各有不同，重要性也各不相同。一股来说，在蛋白质相互作用网络中维持生物机体生命活动所必需的蛋白质被认为是关键蛋白质。关键蛋白质的缺失将导致细胞死亡或者无法复制繁殖。关键蛋白质的识别可以促进药物标靶技术的发展【注释：药物靶标是指体内具有药效功能并能被药物作用的生物大分子，如某些蛋白质和核酸等生物大分子。那些编码靶标蛋白的基因也被称为靶标基因。事先确定靶向特定疾病有关的靶标分子是现代新药开发的基础。更通俗地讲，就是使用某种药物作用在生物大分子上，影响该生物大分子，从而对疾病产生疗效。这个生物大分子就是药物靶标。】。由于关键蛋白质的剔除、打断或者阻塞都可能导致生物体的死亡。因此，在目前抗菌素普遍存在抗药性和药物毒性问题的背景下，研究一些细菌病毒的关键蛋白质，有助于研发新的抗菌药物。关键蛋白质的识别还有助于合成生物研究的发展。合成生物的目标是找出最小的能执行特定任务的基因组。在2010年，J.Craig Venter学会的研究人员移除丝状支原体的所有非关键基因，创造第一个具有自我复制功能的人造细菌，称作JCVI-syn1.0。

目前，识别关键蛋白质的生物实验方法，例如单个基因敲除，RNA干扰和有条件基因敲除等，既浪费时间又效率低下，而且只能在少量物种上实行。因此，迫切需要有效的计算方法来降低实验的成本，提高实验效率。

随着高通量的蛋白质相互作用数据的积累，利用蛋白质相互作用网络来识别关键蛋白质成为了目前的研究热点。根据对一些物种的观察，如酵母，线虫和果蝇等，蛋白质相互作用网络中拥有高度的蛋白质结点更有可能是关键蛋白质。从拓扑的角度来看，高度连接的蛋白质结点可以维持蛋白质相互作用网络的基本特征，如果删除这些蛋白质结点将会引起整个蛋白质相互作用网络的崩溃；从生物学的角度来看，这些高度连接的蛋白质结点一股保证了蛋白质相互作用网络的功能完整性。这种现象被认为是生物网络中普遍存在的“中心性-致死性”法则。该法则表明蛋白质相互作用网络中某一蛋白质结点的拓扑特征与蛋白质的关键性之间密切相关。近年来，一些基于网络拓扑特征的中心性方法被提出来识别关键蛋白质，例如度中心性(Degree Centrality，DC)，介数中心性(Betweenness Centrality，BC)，接近性中心性(Closeness Centrality，CC)，子图中心性(Subgraph Centrality，SC)，特征向量中心(Eigenvector Centrality，EC)，信息中心性(Information Centrality，IC)和邻居中心性(Neighbor Centrality，NC)等等。这些方法对蛋白质在相互作用网络中的中心性进行打分，然后将这些得分进行排序来判断蛋白质是否是关键蛋白质。这类方法的优点是不需要预先知道一部分关键蛋白质来训练分类器，而是直接通过给蛋白质打分来预测关键蛋白质。

这些基于网络拓扑特征的中心性方法的关键蛋白质预测准确性依赖于蛋白质相互作用网络的可靠性。然而，目前可以得到的蛋白质相互作用网络数据是不完整的，包含很多假阳性和假阴性。这些会影响关键蛋白质识别的准确性。随着高通量生物数据的增多，最近一些研究者试图结合其它生物信息来提高识别关键蛋白质的准确率。例如，Li等人通过考虑基因的功能注释，构建了一个加权的蛋白质相互作用网络，通过集成网络拓扑特征与基因表达信息提出了PeC方法。除此之外，基于机器学习的方法也被用来预测关键蛋白质，常用的特征有GC内容、蛋白质长度、ORF长度等。例如，Acencio等人提出的基于机器学习的方法结合网络的拓扑特征、生物过程信息以及细胞定位等来识别关键蛋白质。这些机器学习的方法通过学习一个物种中一些已知的关键蛋白质的特征，训练出一个分类器，然后利用这个分类器来识别该物种或其它物种中的关键蛋白质。机器学习方法需要预先知道一部分关键蛋白质，其性能取决于分类器的性能以及训练物种与预测物种之间的距离。

上述各类方法从不同的角度解决了关键蛋白质识别存在的一些问题。然而，由于可利用的蛋白质相互作用数据存在噪声等因素，基于网络水平的关键蛋白质识别还存在很多挑战。

公开号为102176223A的发明专利公开了一种基于关键蛋白质和局部适应的蛋白质复合物识别方法，其核心构思是基于蛋白质相互作用无向图，并以关键蛋白质为种子对关键蛋白质进行识别，这种方法虽然效果较佳，但是受制于种子的选择，因此对于未知的蛋白质识别难度较大。