• 정보처리학회논문지B
• /
• 제12B권2호
• /
• pp.209-214
• /
• 2005

단백질 상호작용 데이터는 현 생물정보학에서 기능이 알려져 있지 않은 단백질의 기능 예측에 높은 신뢰성이 있는 프로티오믹스의 계산 모델에 이용되고 있다. 단백질 기능 예측 관련 연구로는 guilt-by-association 개념을 바탕으로 대규모의 단순 2차원 단백질-단백질 상호작용 맵을 이용하고 있다. 본 논문에서는 단백질-단백질 상호작용 데이터를 이용한 그래프 기반 기능 예측 방법인 neighbor-counting, $\chi^2$-통계치 예측 모델을 살펴보고 대량의 상호작용 데이터로부터 빠른 기능예측에 효과적인 알고리즘을 제안한다. 제안하는 알고리즘은 단백질 상호작용 맵, 서열 유사성 및 경험적 전문가 지식을 이용하는 그래프 기반 모델이다. 제안된 알고리즘은 Yeast 단백질의 기능 예측을 수행하였으며, neighbor-counting, $\chi^2$-통계치 모델의 실험 결과와 비교되었다.

• 정보처리학회논문지B
• /
• 제13B권7호
• /
• pp.679-688
• /
• 2006

대용량 실험으로부터 산출된 단백질 상호작용 데이터는 위양성(false positive) 데이터의 비율이 높다는 단점을 가지고 있다. 본 논문에서는 오류가 섞여있는 단백질 상호작용 데이터를 입력으로 받아 각 단백질 상호작용의 신뢰도를 검증하는 시스템을 제안하고 구현하였다. 제안 시스템은 단백질 상호작용 데이터에 상호작용의 근거로서 사용될 수 있는 다양한 생물학적 특징들에 관한 데이터를 통합하고 특징 선택 방법을 사용하여 통합된 속성들 중 위양성 여부를 판별하는데 가장 적합한 특징들을 선택한 후 데이터 마이닝 분류 알고리즘을 적용하여 대용량 실험으로부터 산출된 단백질 상호작용 데이터의 신뢰도를 평가한다. 특징 선택의 결과와 분류 기법의 성능은 데이터 특성에 매우 의존하므로, 제안시스템에 가장 적합한 속성 부분집합과 가장 좋은 성능을 내는 분류 알고리즘을 찾기 위해 다양한 특징 선택 방법과 데이터 마이닝 분류 알고리즘들을 적용하고 그 성능을 다각적으로 비교분석 하였다. 실험 결과, 특징 선택 방법과 분류 알고리즘을 결합시킨 제안 시스템은 오류 데이터가 섞여있는 단백질 상호작용 데이터에서 실제로 상호작용하는 단백질 쌍을 골라내는 작업에 있어 기존 연구들에 비해 매우 뛰어난 성능을 보여줬다. 또한 본 연구를 통해 단백질 상호작용 데이터의 신뢰도를 검증함에 있어서 다양한 특징 선택 방법들과 분류 알고리즘들이 성능에 미치는 영향에 관해서도 정리할 수 있었다.

• Bulletin of the Korean Chemical Society
• /
• 제35권1호
• /
• pp.83-86
• /
• 2014

Poly(A) polymerase (PAP) play an essential role for maturation of mRNA by adding the adenylate residues at the 3' end. PAP functions are regulated through protein-protein interaction at its C-terminal region. In this study, cyclophilin A (CypA), a member of the peptidyl-prolyl cis-trans isomerase family, was identified as a partner protein interacting with the C-terminal region PAP. The interaction between PAP and CypA was inhibited by the immunosuppressive drug cyclosporine A. Deletion analysis revealed that the N-terminal 56 residues of CypA are sufficient for the interaction with PAP. Interestingly, we observed that PAP and CypA colocalize in the nucleus during SDF-1-induced chemotaxis, implying that CypA could be involved in the regulation of polyadenylation by PAP in the chemotactic cells.

• 생명과학회지
• /
• 제6권3호
• /
• pp.185-192
• /
• 1996

박테리오파지 T7 gene 2.5 단백질은 single-stranded DNA 결합 단백질로 박태리오파지 T7의 DNA복제, 재조합, 및 수선에 필수적으로 요구된다. Gene 2.5 protein은 T7의 DNA 합성과 성장에 필수적인 단백질이다. Gene 2.5 Protein이 중요시 되는 이유는 이 단백질이 T7의 다른 복제 필수단백질인 T7의 다른 복제 필수단백질인 T7 DNA polymerase 와 gene 4 protein(helicase/primase)와 서로 상호작용할 것으로 제안되었기 때문이다. (Kim and Richardson, J. Biol. Chem., 1992;1994). 이 단백질의 단백질 상호작용을 가능하게 하는 domain은 carboxyl-terminal domain일 것으로 여러 실험에서 대두되었기에, 이 domain의 특성을 파악하기 위해 야생형과 변이체 gene 2.5 단백질들을 각각 GST에 융합한후 fusion 단백질을 정제하였다. 정제된 이 융합 단백질들의 carboxyl-terminal domain이 T7 복제 단백질들과 상호작용을 조사하는지를 조사하기 위해 affinity chromatography로 이용하였다. 실험 결과, 아생형 GST-gene 2.5 융합단잭질(GST-2.5 (WT))는 T7 DNA polymerase 와 상호작용을 하였지만. 변이형 융합단백질(GST-2.5$\Delta$21C)는 interaction을 하지 못했다. 이 결과는 carbohyl-terminal domain이 단백질-단백질 상호작용을 하는데 직접적으로 관여하는 것을 증명하였다. 또한,GST2.5(WT)는 gene 4 protein(helicase/primase)와 직접 상호작용을 하나. GST2.5$\Delta$21C는 상호작용을 하지 못하는 것으로 나타났다. 따라서 gene 4 proteins와의 상호작용에도 gene 2.5 protein의 carboxyl-terminal domain이 직접 관여 한다는 것이 증명되었다. 이상의 결과에서 gene 2.5 protein은 박테리오파지 T7 의 유전자 목제 시 단백질-단백질 상호작용에 관혀아며, 특히 gene 2.5 protein의 carboxyl-terminal domain이 이러한 상호작용에 직접적으로 관여하는 domain이라는 것을 알 수가 있었다.

• 자연과학논문집
• /
• 제9권1호
• /
• pp.25-29
• /
• 1997

Glucocorticoid에 의한 항염증 작용의 second messenger로 생각되어지는 annexin superfamily중 하나인 37 kDa의 단백질, lipocortin-1의 작용기작을 이해할 목적으로 in vivo에서 protein-protein interaction을 인식하는 yeast-based genetic assay인 yeast two assay를 통하여 lipocortin-1과 결합하는 단백질 유전자를 분리하여 조사하였다. 이 방법으로 실험을 수행한 결과 분리된 유전자가 human serine proteinase 유전자와 homology가 있는 것으로 밝혀졌다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제15권13호
• /
• pp.5325-5330
• /
• 2014

Background: Chronic myelocytic leukemia is a disease that threatens both adults and children. Great progress has been achieved in treatment but protein-protein interaction networks underlining chronic myelocytic leukemia are less known. Objective: To develop a protein-protein interaction network for chronic myelocytic leukemia based on gene expression and to predict biological pathways underlying molecular complexes in the network. Materials and Methods: Genes involved in chronic myelocytic leukemia were selected from OMIM database. Literature mining was performed by Agilent Literature Search plugin and a protein-protein interaction network of chronic myelocytic leukemia was established by Cytoscape. The molecular complexes in the network were detected by Clusterviz plugin and pathway enrichment of molecular complexes were performed by DAVID online. Results and Discussion: There are seventy-nine chronic myelocytic leukemia genes in the Mendelian Inheritance In Man Database. The protein-protein interaction network of chronic myelocytic leukemia contained 638 nodes, 1830 edges and perhaps 5 molecular complexes. Among them, complex 1 is involved in pathways that are related to cytokine secretion, cytokine-receptor binding, cytokine receptor signaling, while complex 3 is related to biological behavior of tumors which can provide the bioinformatic foundation for further understanding the mechanisms of chronic myelocytic leukemia.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제11권5호
• /
• pp.427-435
• /
• 2005

인터넷 상에 단백질 및 관련 데이터의 축적에 따라, 도메인에 기반하여 단백질의 상호작용을 계산적으로 예측하는 많은 기법들이 제안되었다. 그러나, 대부분의 기법들이 예측에서 낮은 정확도와 복수개의 단백질 쌍에 대한 상호작용 가능성들 간에 순위 정보를 제공하지 못하는 등의 한계로 인하여 실무 적용에 한계를 가지고 있다. 본 논문에서는 도메인 조합 기반 단백질 상호작용 예측 기법을 재평가하고 상호작용하는 것으로 예측되는 복수개의 단백질 쌍들에서 이들의 상호작용 가능성들 간에 순위를 부여하는 방법을 제시한다. 순위 부여 방법은 도메인 조합에 기반한 단백질 상호작용 예측 방법의 틀 내에서 확률 식을 고안하여 제시한다. 제시된 순위 부여 기법을 사용함으로써, 상호작용을 하는 것으로 예측된 단백질 쌍들간에 상호작용 가능성이 좀 더 높은 것을 구별해 낼 수 있다. 또한 순위 부여 기법의 검증 과정에서 학습에 사용된 단백질 집단의 PIP(Primary Interaction Probability)값과 일치된 PIP값을 가지는 단백질 쌍 그룹의 경우에는, 상호작용 확률과 예측 정확도 사이에 상관관계가 존재함을 확인할 수 있었다.

• Journal of Microbiology and Biotechnology
• /
• 제11권4호
• /
• pp.724-726
• /
• 2001

The growth of baceriophage T4 is inhibited by the presence of the tin gene product o bacteriophage P2. The interaction between purified Tin and gp32 proteins was observed using coimmunoprecipitation experiments. The in vivo interaction was confirmed by yeast two-hybrid experiments. A deletion analysis showed that the Asp 163 region of gp32 to DNA substrates was not affected by the presence of Tin, Thus, it would appear that the inhibition of 4 growth by Tin was due to a protein-protein interaction rather than affecting the DNA-binding ability of gp32.

• Genomics & Informatics
• /
• 제7권3호
• /
• pp.141-147
• /
• 2009

Developed proteome-scale ortholog and paralog prediction methods are mainly based on sequence similarity. However, it is known that even the closest BLAST hit often does not mean the closest neighbor. For this reason, we added conserved interaction information to find orthologs. We propose a genome-scale, automated ortholog prediction method, named OrthoInterBlast. The method is based on both sequence and interaction similarity. When we applied this method to fly and yeast, 17% of the ortholog candidates were different compared with the results of Inparanoid. By adding protein-protein interaction information, proteins that have low sequence similarity still can be selected as orthologs, which can not be easily detected by sequence homology alone.

• BMB Reports
• /
• 제37권1호
• /
• pp.45-52
• /
• 2004

The goal of interaction proteomics that studies the protein-protein interactions of all expressed proteins is to understand biological processes that are strictly regulated by these interactions. The availability of entire genome sequences of many organisms and high-throughput analysis tools has led scientists to study the entire proteome (Pandey and Mann, 2000). There are various high-throughput methods for detecting protein interactions such as yeast two-hybrid approach and mass spectrometry to produce vast amounts of data that can be utilized to decipher protein functions in complicated biological networks. In this review, we discuss recent developments in analytical methods for large-scale protein interactions and the future direction of interaction proteomics.