Text
Predicting Transcription Factor Complexes; A Novel Approach to Data Integration in Systems Biology
Jaringan pengatur gen adalah penentu tetap dari kontrol seluler dan banyaknya protein pengatur yang diekspresikan secara berbeda, yang disebut faktor transkripsi, sinyal penggeraknya. Bersamaan dengan tanda epigenetik tertentu, faktor transkripsi menentukan subset aktif jaringan untuk mengatur status seluler yang berbeda dalam ruang dan waktu. Ekspresi gen eukariotik umumnya dikendalikan melalui rangkaian logika molekuler yang menggabungkan sinyal pengatur dari beberapa faktor transkripsi. Baru-baru ini, telah ditunjukkan bahwa kompleksasi protein pengatur adalah mekanisme integrasi sinyal yang berlaku dan sangat terkonservasi dalam jalur pengaturan kritis, seperti pembentukan atau diferensiasi bagian tubuh. Pengetahuan tentang calon majelis potensial dapat memberikan informasi dasar yang diperlukan untuk menyimpulkan kemungkinan gen target serta mekanisme pengaruh yang diberikan. Sudah ada sejumlah besar pendekatan untuk memprediksi kompleks protein dari data interaksi protein-protein. Namun, mereka umumnya dirancang untuk mendeteksi kompleks fungsional mandiri yang besar dan tidak memiliki kemampuan untuk mengungkapkan rakitan kompleks kombinatorial yang dinamis dan sangat modular, properti yang sangat penting untuk integrasi sinyal yang diberikan oleh kompleks faktor transkripsi. Metode yang diusulkan dalam tesis ini menggabungkan jaringan interaksi protein-protein dan jaringan interaksi domain-domain dengan kekompakan metrik kualitas cluster yang terkenal. Algoritme pertumbuhan baru dijelaskan yang memaksimalkan metrik secara lokal pada tingkat holistik interaksi protein sementara batasan konektivitas yang canggih dipertahankan. Dengan asumsi bahwa setiap domain hanya dapat mendukung satu interaksi, topologi domain dapat digunakan untuk menjelaskan sifat eksklusif dan kombinatorial dari interaksi fisik antar protein. Selama proses pertumbuhan, kandidat kompleks dianggap didukung oleh pohon rentang interaksi domain yang memungkinkan secara bersamaan yang membatasi kemungkinan perluasan lebih lanjut. Akibatnya, setiap penambahan protein memerlukan pilihan interaksi domain yang dapat diterapkan yang sekali lagi memengaruhi langkah selanjutnya. Seringkali banyak opsi harus diperhitungkan dengan percabangan algoritme, yang secara alami memungkinkan prediksi yang dapat dibenarkan dari berbagai kompleks faktor transkripsi dari awal yang sama. Pendekatan yang diusulkan sejauh ini mengungguli metode prediksi kompleks yang populer untuk prediksi kompleks faktor transkripsi pada ragi. Evaluasi didasarkan pada tolok ukur yang ditetapkan untuk menilai sesuai dengan beberapa kumpulan data kompleks referensi serta ukuran relevansi biologis. Selain itu, banyak prediksi dari metode yang diusulkan dapat dikaitkan dengan gen target dan efek regulasi yang potensial. Selanjutnya, kandidat yang diprediksi dapat dipetakan ke fungsi yang berbeda selama keadaan dan kondisi seluler yang ditentukan dengan menganalisis koherensi ekspresi di antara gen yang diatur untuk data ekspresi siklus sel. Banyak temuan yang didukung oleh bukti literatur. Hasilnya mendorong penerapan pada eukariota yang lebih tinggi di mana interaksi kombinatorial antara faktor transkripsi lebih menonjol. Pengetahuan tentang kompleks faktor transkripsi diduga-anggota pengikat DNA dan protein aktif pengatur potensial yang direkrut-menawarkan kemampuan baru dalam pemodelan jaringan pengatur gen yang diotomatisasi yang dapat membantu melampaui model saat ini. Ringkasan singkat dari konsep novel, metode utama, dan hasil ragi telah diterbitkan sebelumnya di [1] sebelum buku ini diproduksi.
No copy data
No other version available