stringtranslate.com

Interactoma

En biología molecular , un interactoma es el conjunto de interacciones moleculares que se dan en una célula en particular . El término se refiere específicamente a interacciones físicas entre moléculas (como las que se dan entre proteínas, también conocidas como interacciones proteína-proteína , PPI; o entre moléculas pequeñas y proteínas [1] ), pero también puede describir conjuntos de interacciones indirectas entre genes ( interacciones genéticas ).

Parte del interactoma DISC1 con genes representados por texto en recuadros e interacciones señaladas por líneas entre los genes. De Hennah y Porteous, 2009. [2]

La palabra "interactoma" fue acuñada originalmente en 1999 por un grupo de científicos franceses encabezados por Bernard Jacq. [3] Matemáticamente, los interactomas generalmente se muestran como gráficos . Aunque los interactomas pueden describirse como redes biológicas , no deben confundirse con otras redes como las redes neuronales o las redes alimentarias .

Redes de interacción molecular

Las interacciones moleculares pueden ocurrir entre moléculas que pertenecen a diferentes familias bioquímicas (proteínas, ácidos nucleicos, lípidos, carbohidratos, etc.) y también dentro de una familia dada. Siempre que dichas moléculas están conectadas por interacciones físicas, forman redes de interacción molecular que generalmente se clasifican por la naturaleza de los compuestos involucrados. Más comúnmente, interactoma se refiere a la red de interacción proteína-proteína (PPI) (PIN) o subconjuntos de la misma. Por ejemplo, el interactoma de la proteína Sirt-1 y el interactoma de segundo orden de la familia Sirt [4] [5] es la red que involucra a Sirt-1 y sus proteínas que interactúan directamente, mientras que el interactoma de segundo orden ilustra interacciones hasta el segundo orden de vecinos (vecinos de vecinos). Otro tipo de interactoma ampliamente estudiado es el interactoma proteína-ADN, también llamado red reguladora de genes , una red formada por factores de transcripción, proteínas reguladoras de la cromatina y sus genes diana. Incluso las redes metabólicas pueden considerarse como redes de interacción molecular: los metabolitos, es decir, los compuestos químicos de una célula, se convierten entre sí mediante enzimas , que tienen que unirse físicamente a sus sustratos.

De hecho, todos los tipos de interactomas están interconectados. Por ejemplo, los interactomas de proteínas contienen muchas enzimas que, a su vez, forman redes bioquímicas. De manera similar, las redes de regulación de genes se superponen sustancialmente con las redes de interacción de proteínas y las redes de señalización.

Tamaño

Estimaciones del interactoma de proteínas de levadura. Tomado de Uetz P. y Grigoriev A, 2005. [6]

Se ha sugerido que el tamaño del interactoma de un organismo se correlaciona mejor que el tamaño del genoma con la complejidad biológica del organismo. [7] Aunque ahora hay mapas de interacción proteína-proteína que contienen varios miles de interacciones binarias disponibles para varias especies, ninguno de ellos está completo actualmente y el tamaño de los interactomas todavía es un tema de debate.

Levadura

Se ha estimado que el interactoma de la levadura, es decir, todas las interacciones proteína-proteína entre las proteínas de Saccharomyces cerevisiae , contiene entre 10.000 y 30.000 interacciones. Una estimación razonable puede ser del orden de 20.000 interacciones. Las estimaciones más grandes a menudo incluyen interacciones indirectas o predichas, a menudo a partir de estudios de purificación por afinidad / espectrometría de masas (AP/MS). [6]

Redes de interacción genética

Los genes interactúan en el sentido de que afectan la función de los demás. Por ejemplo, una mutación puede ser inofensiva, pero cuando se combina con otra mutación, la combinación puede resultar letal. Se dice que estos genes "interactúan genéticamente". Los genes que están conectados de esa manera forman redes de interacción genética . Algunos de los objetivos de estas redes son: desarrollar un mapa funcional de los procesos de una célula, la identificación de dianas farmacológicas mediante quimioproteómica y predecir la función de genes no caracterizados.

En 2010, el interactoma genético más "completo" producido hasta la fecha se compiló a partir de aproximadamente 5,4 millones de comparaciones de dos genes para describir "los perfiles de interacción para ~75% de todos los genes en la levadura en ciernes ", con ~170.000 interacciones genéticas. Los genes se agruparon en función de una función similar para construir un mapa funcional de los procesos de la célula. Usando este método, el estudio pudo predecir funciones genéticas conocidas mejor que cualquier otro conjunto de datos a escala del genoma, así como agregar información funcional para genes que no se habían descrito previamente. A partir de este modelo, las interacciones genéticas se pueden observar en múltiples escalas, lo que ayudará en el estudio de conceptos como la conservación genética. Algunas de las observaciones realizadas a partir de este estudio son que hubo el doble de interacciones negativas que positivas , las interacciones negativas fueron más informativas que las interacciones positivas y los genes con más conexiones tenían más probabilidades de resultar letales cuando se interrumpían. [8]

Interactómica

La interactómica es una disciplina en la intersección de la bioinformática y la biología que se ocupa del estudio de las interacciones y las consecuencias de esas interacciones entre proteínas y otras moléculas dentro de una célula . [9] Por lo tanto, la interactómica tiene como objetivo comparar dichas redes de interacciones (es decir, interactomas) entre y dentro de las especies para encontrar cómo se conservan o varían los rasgos de dichas redes.

La interactómica es un ejemplo de biología de sistemas "de arriba hacia abajo" , que adopta una visión general de un biosistema u organismo. Se recopilan grandes conjuntos de datos proteómicos y de todo el genoma y se infieren correlaciones entre diferentes moléculas. A partir de los datos se formulan nuevas hipótesis sobre las retroalimentaciones entre estas moléculas. Estas hipótesis pueden luego probarse mediante nuevos experimentos. [10]

Métodos experimentales para mapear interactomas

El estudio de los interactomas se denomina interactómica. La unidad básica de una red proteica es la interacción proteína-proteína (PPI). Si bien existen numerosos métodos para estudiar las PPI, hay relativamente pocos que se hayan utilizado a gran escala para mapear interactomas completos.

El sistema de dos híbridos de levadura (Y2H) es adecuado para explorar las interacciones binarias entre dos proteínas a la vez. La purificación por afinidad y la posterior espectrometría de masas son adecuadas para identificar un complejo proteico. Ambos métodos se pueden utilizar de forma de alto rendimiento (HTP). Los análisis de dos híbridos de levadura permiten interacciones positivas falsas entre proteínas que nunca se expresan en el mismo tiempo y lugar; la espectrometría de masas de captura por afinidad no tiene este inconveniente y es el estándar de oro actual. Los datos de dos híbridos de levadura indican mejor las tendencias no específicas hacia interacciones pegajosas, mientras que la espectrometría de masas de captura por afinidad indica mejor las interacciones proteína-proteína funcionales in vivo. [11] [12]

Métodos computacionales para estudiar interactomas

Una vez creado un interactoma, existen numerosas formas de analizar sus propiedades. Sin embargo, estos análisis tienen dos objetivos importantes. En primer lugar, los científicos intentan dilucidar las propiedades sistémicas de los interactomas, por ejemplo, la topología de sus interacciones. En segundo lugar, los estudios pueden centrarse en proteínas individuales y su papel en la red. Estos análisis se llevan a cabo principalmente mediante métodos bioinformáticos e incluyen, entre muchos otros, los siguientes:

Validación

En primer lugar, se debe evaluar la cobertura y la calidad de un interactoma. Los interactomas nunca están completos, dadas las limitaciones de los métodos experimentales. Por ejemplo, se ha estimado que las pruebas Y2H típicas detectan solo el 25% aproximadamente de todas las interacciones en un interactoma. [13] La cobertura de un interactoma se puede evaluar comparándolo con puntos de referencia de interacciones bien conocidas que se han encontrado y validado mediante ensayos independientes. [14] Otros métodos filtran los falsos positivos calculando la similitud de las anotaciones conocidas de las proteínas involucradas o definen una probabilidad de interacción utilizando la localización subcelular de estas proteínas. [15]

Predicción de los IPP

IBP para esquizofrenia. [16]

Utilizando datos experimentales como punto de partida, la transferencia de homología es una forma de predecir interactomas. Aquí, los PPI de un organismo se utilizan para predecir interacciones entre proteínas homólogas en otro organismo (" interólogos "). Sin embargo, este enfoque tiene ciertas limitaciones, principalmente porque los datos de origen pueden no ser confiables (por ejemplo, contener falsos positivos y falsos negativos). [17] Además, las proteínas y sus interacciones cambian durante la evolución y, por lo tanto, pueden haberse perdido o ganado. Sin embargo, se han predicho numerosos interactomas, por ejemplo, el de Bacillus licheniformis . [18]

Algunos algoritmos utilizan evidencia experimental sobre complejos estructurales, los detalles atómicos de las interfaces de unión y producen modelos atómicos detallados de complejos proteína-proteína [19] [20] así como otras interacciones proteína-molécula. [21] [22] Otros algoritmos utilizan solo información de secuencia, creando así redes completas imparciales de interacción con muchos errores. [23]

Algunos métodos utilizan el aprendizaje automático para distinguir cómo los pares de proteínas que interactúan difieren de los pares de proteínas que no interactúan en términos de características por pares, como la colocalización celular, la coexpresión genética, qué tan cerca están ubicados en un ADN los genes que codifican las dos proteínas, etc. [16] [24] Se ha descubierto que Random Forest es el método de aprendizaje automático más eficaz para la predicción de la interacción de proteínas. [25] Dichos métodos se han aplicado para descubrir interacciones de proteínas en el interactoma humano, específicamente el interactoma de las proteínas de membrana [24] y el interactoma de las proteínas asociadas a la esquizofrenia. [16]

Minería de texto de PPI

Se han hecho algunos esfuerzos para extraer sistemáticamente redes de interacción directamente de la literatura científica. Estos enfoques varían en términos de complejidad desde simples estadísticas de coocurrencia de entidades que se mencionan juntas en el mismo contexto (por ejemplo, una oración) hasta sofisticados métodos de procesamiento del lenguaje natural y aprendizaje automático para detectar relaciones de interacción. [26]

Predicción de la función de las proteínas

Las redes de interacción de proteínas se han utilizado para predecir la función de proteínas de funciones desconocidas. [27] [28] Esto se basa generalmente en la suposición de que las proteínas no caracterizadas tienen funciones similares a las proteínas con las que interactúan ( culpabilidad por asociación ). Por ejemplo, se descubrió que YbeB, una proteína de función desconocida, interactuaba con proteínas ribosómicas y más tarde se demostró que estaba involucrada en la traducción bacteriana y eucariota (pero no arqueal) . [29] Aunque tales predicciones pueden basarse en interacciones individuales, generalmente se encuentran varias interacciones. Por lo tanto, toda la red de interacciones se puede utilizar para predecir las funciones de las proteínas, dado que ciertas funciones suelen enriquecerse entre los interactores. [27] El término hipotoma se ha utilizado para denotar un interactoma en el que al menos uno de los genes o proteínas es una proteína hipotética . [30]

Perturbaciones y enfermedades

La topología de un interactoma permite predecir con certeza cómo reaccionará una red a la perturbación (por ejemplo, la eliminación) de nodos (proteínas) o bordes (interacciones). [31] Dichas perturbaciones pueden ser causadas por mutaciones de genes y, por lo tanto, de sus proteínas, y una reacción de red puede manifestarse como una enfermedad . [32] Un análisis de red puede identificar dianas farmacológicas y biomarcadores de enfermedades. [33]

Estructura y topología de la red

Las redes de interacción se pueden analizar utilizando las herramientas de la teoría de grafos . Las propiedades de la red incluyen la distribución de grados , los coeficientes de agrupamiento , la centralidad de intermediación y muchas otras. La distribución de propiedades entre las proteínas de un interactoma ha revelado que las redes de interactomas a menudo tienen una topología libre de escala [34] donde los módulos funcionales dentro de una red indican subredes especializadas. [35] Dichos módulos pueden ser funcionales, como en una vía de señalización , o estructurales, como en un complejo proteico. De hecho, es una tarea formidable identificar complejos proteicos en un interactoma, dado que una red por sí sola no revela directamente la presencia de un complejo estable.

Interactomas estudiados

Interactomas virales

Los interactomas de proteínas virales consisten en interacciones entre proteínas virales o fágicas. Fueron uno de los primeros proyectos de interactomas, ya que sus genomas son pequeños y todas las proteínas se pueden analizar con recursos limitados. Los interactomas virales están conectados a sus interactomas del huésped, formando redes de interacción virus-huésped. [36] Algunos interactomas virales publicados incluyen

Bacteriófago

Los interactomas lambda y VZV no sólo son relevantes para la biología de estos virus sino también por razones técnicas: fueron los primeros interactomas que se mapearon con múltiples vectores Y2H , lo que demuestra una estrategia mejorada para investigar los interactomas de manera más completa de lo que los intentos anteriores habían demostrado.

Virus humanos (mamíferos)

Interactomas bacterianos

Relativamente pocas bacterias han sido estudiadas exhaustivamente por sus interacciones proteína-proteína. Sin embargo, ninguno de estos interactomas es completo en el sentido de que capte todas las interacciones. De hecho, se ha estimado que ninguno de ellos cubre más del 20% o 30% de todas las interacciones, principalmente porque la mayoría de estos estudios solo han empleado un único método, y todos los cuales descubren solo un subconjunto de interacciones. [13] Entre los interactomas bacterianos publicados (incluidos los parciales) se encuentran

Los interactomas de E. coli y Mycoplasma se han analizado mediante purificación por afinidad de complejos proteicos a gran escala y espectrometría de masas (AP/MS), por lo que no es fácil inferir interacciones directas. Los otros han utilizado pruebas exhaustivas de doble híbrido de levadura (Y2H). El interactoma de Mycobacterium tuberculosis se ha analizado mediante una prueba de doble híbrido bacteriano (B2H).

Téngase en cuenta que se han predicho numerosos interactomas adicionales utilizando métodos computacionales (véase la sección anterior).

Interactomas eucariotas

Se han realizado varios esfuerzos para mapear interactomas eucariotas a través de métodos HTP. Si bien no se han caracterizado completamente los interactomas biológicos, se han examinado más del 90% de las proteínas en Saccharomyces cerevisiae y se han caracterizado sus interacciones, lo que lo convierte en el interactoma mejor caracterizado. [27] [58] [59] Las especies cuyos interactomas se han estudiado con cierto detalle incluyen

Recientemente, los interactomas patógeno-huésped del virus de la hepatitis C/humano (2008), [62] virus de Epstein Barr/humano (2008), virus de la influenza/humano (2009) se delinearon a través de HTP para identificar componentes moleculares esenciales para los patógenos y para el sistema inmunológico de sus huéspedes. [63]

Interactomas previstos

Como se ha descrito anteriormente, se pueden predecir los PPI y, por tanto, los interactomas completos. Si bien la fiabilidad de estas predicciones es discutible, proporcionan hipótesis que se pueden poner a prueba experimentalmente. Se han predicho interactomas para varias especies, por ejemplo

Representación del interactoma SARS-CoV-2/humano previsto [72]

Propiedades de red

Las redes de interacción de proteínas pueden analizarse con la misma herramienta que otras redes. De hecho, comparten muchas propiedades con las redes biológicas o sociales . Algunas de las principales características son las siguientes.

El interactoma proteico del Treponema pallidum . [50]

Distribución de grados

La distribución de grados describe la cantidad de proteínas que tienen una cierta cantidad de conexiones. La mayoría de las redes de interacción de proteínas muestran una distribución de grados sin escala ( ley de potencia ) donde la distribución de conectividad P(k) ~ k −γ, siendo k el grado. Esta relación también se puede ver como una línea recta en un gráfico logarítmico , ya que la ecuación anterior es igual a log(P(k)) ~ —y•log(k). Una característica de tales distribuciones es que hay muchas proteínas con pocas interacciones y pocas proteínas que tienen muchas interacciones, estas últimas se denominan "centros".

Centros

Los nodos (proteínas) altamente conectados se denominan hubs (centros). Han et al. [73] han acuñado el término " party hub " (centro de reunión) para los hubs cuya expresión está correlacionada con sus socios de interacción. Los party hubs también conectan proteínas dentro de módulos funcionales como los complejos proteicos. Por el contrario, los " date hubs " (centros de citas) no muestran dicha correlación y parecen conectar diferentes módulos funcionales. Los party hubs se encuentran predominantemente en conjuntos de datos AP/MS, mientras que los date hubs se encuentran predominantemente en mapas de redes de interactomas binarios. [74] Nótese que la validez de la distinción date hub/party hub fue cuestionada. [75] [76] Los party hubs generalmente consisten en proteínas de interfaz múltiple, mientras que los date hubs son más frecuentemente proteínas de interfaz de interacción única. [77] En consonancia con el papel de los date hubs en la conexión de diferentes procesos, en la levadura el número de interacciones binarias de una proteína dada está correlacionado con el número de fenotipos observados para el gen mutante correspondiente en diferentes condiciones fisiológicas. [74]

Módulos

Los nodos involucrados en el mismo proceso bioquímico están altamente interconectados. [33]

Evolución

La evolución de la complejidad del interactoma se describe en un estudio publicado en Nature . [78] En este estudio se observa primero que los límites entre procariotas , eucariotas unicelulares y eucariotas multicelulares están acompañados por reducciones de órdenes de magnitud en el tamaño efectivo de la población, con amplificaciones concurrentes de los efectos de la deriva genética aleatoria . La disminución resultante en la eficiencia de la selección parece ser suficiente para influir en una amplia gama de atributos a nivel genómico de una manera no adaptativa. El estudio de Nature muestra que la variación en el poder de la deriva genética aleatoria también es capaz de influir en la diversidad filogenética a nivel subcelular y celular. Por lo tanto, el tamaño de la población tendría que considerarse como un determinante potencial de las vías mecanicistas subyacentes a la evolución fenotípica a largo plazo. En el estudio se muestra además que existe una relación inversa filogenéticamente amplia entre el poder de la deriva y la integridad estructural de las subunidades proteicas. Así, la acumulación de mutaciones levemente perjudiciales en poblaciones de pequeño tamaño induce una selección secundaria de interacciones proteína-proteína que estabilizan funciones genéticas clave, mitigando la degradación estructural promovida por una selección ineficiente. De este modo, las arquitecturas e interacciones proteicas complejas esenciales para la génesis de la diversidad fenotípica pueden surgir inicialmente mediante mecanismos no adaptativos.

Críticas, desafíos y respuestas

Kiemer y Cesareni [9] plantean las siguientes preocupaciones con respecto al estado (circa 2007) del campo, especialmente con respecto a la interactómica comparativa: los procedimientos experimentales asociados con el campo son propensos a errores, lo que conduce a "resultados ruidosos". Esto lleva a que el 30% de todas las interacciones informadas sean artefactos. De hecho, dos grupos que utilizaron las mismas técnicas en el mismo organismo encontraron menos del 30% de interacciones en común. Sin embargo, algunos autores han argumentado que dicha falta de reproducibilidad resulta de la extraordinaria sensibilidad de varios métodos a pequeñas variaciones experimentales. Por ejemplo, condiciones idénticas en ensayos Y2H dan como resultado interacciones muy diferentes cuando se utilizan diferentes vectores Y2H. [13]

Las técnicas pueden tener sesgos, es decir, la técnica determina qué interacciones se encuentran. De hecho, cualquier método tiene sesgos incorporados, especialmente los métodos de proteínas. Debido a que cada proteína es diferente, ningún método puede capturar las propiedades de cada proteína. Por ejemplo, la mayoría de los métodos analíticos que funcionan bien con proteínas solubles funcionan mal con proteínas de membrana. Esto también es cierto para las tecnologías Y2H y AP/MS.

Los interactomas no están ni cerca de completarse, con la posible excepción de S. cerevisiae. Esto no es realmente una crítica, ya que cualquier área científica está "incompleta" inicialmente hasta que se hayan mejorado las metodologías. La interactómica en 2015 se encuentra en el mismo punto en que se encontraba la secuenciación del genoma a fines de la década de 1990, dado que solo hay disponibles unos pocos conjuntos de datos de interactomas (ver la tabla anterior).

Si bien los genomas son estables, los interactomas pueden variar entre tejidos, tipos de células y etapas de desarrollo. Nuevamente, esto no es una crítica, sino más bien una descripción de los desafíos en este campo.

Es difícil encontrar proteínas relacionadas evolutivamente en especies distantes. Si bien las secuencias de ADN homólogas se pueden encontrar con relativa facilidad, es mucho más difícil predecir interacciones homólogas ("interólogos") porque los homólogos de dos proteínas que interactúan no necesitan hacerlo. Por ejemplo, incluso dentro de un proteoma, dos proteínas pueden interactuar, pero sus parálogos no.

Cada interactoma proteína-proteína puede representar sólo una muestra parcial de interacciones potenciales, incluso cuando se publica una versión supuestamente definitiva en una revista científica. Es posible que otros factores tengan un papel en las interacciones proteicas que aún no se han incorporado a los interactomas. La fuerza de unión de los diversos interactores proteicos, los factores microambientales, la sensibilidad a diversos procedimientos y el estado fisiológico de la célula influyen en las interacciones proteína-proteína, pero por lo general no se tienen en cuenta en los estudios de interactomas. [79]

Véase también

Referencias

  1. ^ Wang L, Eftekhari P, Schachner D, Ignatova ID, Palme V, Schilcher N, Ladurner A, Heiss EH, Stangl H, Dirsch VM, Atanasov AG. Un nuevo enfoque interactómico identifica a ABCA1 como un objetivo directo de la evodiamina, que aumenta el eflujo de colesterol de los macrófagos. Sci Rep. 23 de julio de 2018;8(1):11061. doi: 10.1038/s41598-018-29281-1.
  2. ^ Hennah W, Porteous D (2009). Reif A (ed.). "La vía DISC1 modula la expresión de genes de neurodesarrollo, sinaptogénicos y de percepción sensorial". PLOS ONE . ​​4 (3): e4906. Bibcode :2009PLoSO...4.4906H. doi : 10.1371/journal.pone.0004906 . PMC  2654149 . PMID  19300510. Icono de acceso abierto
  3. ^ Sanchez C; Lachaize C; Janody F; et al. (enero de 1999). "Comprensión de las interacciones moleculares y redes genéticas en Drosophila melanogaster utilizando FlyNets, una base de datos de Internet". Nucleic Acids Res . 27 (1): 89–94. doi :10.1093/nar/27.1.89. PMC 148104 . PMID  9847149. 
  4. ^ Sharma, Ankush; Gautam VK; Costantini S; Paladino A; Colonna G (febrero de 2012). "Perspectivas interactómicas y farmacológicas sobre la Sirt-1 humana". Portada . Pharmacol . 3 : 40. doi : 10.3389/fphar.2012.00040 . PMC 3311038. PMID  22470339. 
  5. ^ Sharma, Ankush; Costantini S; Colonna G (marzo de 2013). "La red de interacción proteína-proteína de la familia de las sirtuinas humanas". Biochimica et Biophysica Acta (BBA) - Proteínas y proteómica . 1834 (10): 1998–2009. arXiv : 1302.6423 . Bibcode :2013arXiv1302.6423S. doi :10.1016/j.bbapap.2013.06.012. PMID  23811471. S2CID  15003130.
  6. ^ ab Uetz P. y Grigoriev A. (2005) El interactoma de la levadura. En Jorde, LB, Little, PFR, Dunn, MJ y Subramaniam, S. (Eds), Enciclopedia de genética, genómica, proteómica y bioinformática. John Wiley & Sons Ltd: Chichester, volumen 5, págs. 2033-2051
  7. ^ Stumpf MP; Thorne T; de Silva E; et al. (mayo de 2008). "Estimación del tamaño del interactoma humano". Proc. Natl. Sci. USA . 105 (19): 6959–64. Bibcode :2008PNAS..105.6959S. doi : 10.1073/pnas.0708078105 . PMC 2383957 . PMID  18474861. 
  8. ^ Costanzo M; Baryshnikova A; Bellay J; et al. (22 de enero de 2010). "El paisaje genético de una célula". Science . 327 (5964): 425–431. Bibcode :2010Sci...327..425C. doi :10.1126/science.1180823. PMC 5600254 . PMID  20093466. 
  9. ^ ab Kiemer, L; G Cesareni (2007). "Interactómica comparativa: ¿comparando manzanas y peras?". Tendencias en biotecnología . 25 (10): 448–454. doi :10.1016/j.tibtech.2007.08.002. PMID  17825444.
  10. ^ Bruggeman, FJ; HV Westerhoff (2006). "La naturaleza de la biología de sistemas". Tendencias en microbiología . 15 (1): 45–50. doi :10.1016/j.tim.2006.11.003. PMID  17113776.
  11. ^ Brettner, Leandra M.; Joanna Masel (2012). "La adherencia de las proteínas, en lugar del número de interacciones funcionales proteína-proteína, predice el ruido de expresión y la plasticidad en la levadura". BMC Systems Biology . 6 : 128. doi : 10.1186/1752-0509-6-128 . PMC 3527306 . PMID  23017156.  Icono de acceso abierto
  12. ^ Mukherjee, K; Slawson; Christmann; Griffith (junio de 2014). "Las interacciones de proteínas específicas de neuronas de CASK-ß de Drosophila se revelan mediante espectrometría de masas". Front. Mol. Neurosci . 7 : 58. doi : 10.3389/fnmol.2014.00058 . PMC 4075472 . PMID  25071438. 
  13. ^ abc Chen, YC; Rajagopala, SV; Stellberger, T.; Uetz, P. (2010). "Evaluación comparativa exhaustiva del sistema de dos híbridos de levadura". Nature Methods . 7 (9): 667–668, autor 668 668. doi :10.1038/nmeth0910-667. PMC 10332476 . PMID  20805792. S2CID  35834541. 
  14. ^ Rajagopala, SV; Hughes, KT; Uetz, P. (2009). "Evaluación comparativa de sistemas híbridos de dos levaduras utilizando las interacciones de proteínas de motilidad bacteriana". Proteómica . 9 (23): 5296–5302. doi :10.1002/pmic.200900282. PMC 2818629 . PMID  19834901. 
  15. ^ Yanay Ofran, Guy Yachdav, Eyal Mozes, Ta-tsen Soong, Rajesh Nair y Burkhard Rost (julio de 2006). "Crear y evaluar redes de proteínas a través de las características moleculares de proteínas individuales". Bioinformática . 22 (14): e402–e407. doi : 10.1093/bioinformatics/btl258 . PMID  16873500.{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  16. ^ abc Ganapathiraju MK, Thahir M, Handen A, Sarkar SN, Sweet RA, Nimgaonkar VL, Loscher CE, Bauer EM, Chaparala S (abril de 2016). "Interactoma de esquizofrenia con 504 nuevas interacciones proteína-proteína". npj Schizophrenia . 2 : 16012. doi :10.1038/npjschz.2016.12. PMC 4898894 . PMID  27336055. 
  17. ^ Mika S, Rost B (2006). "Las interacciones proteína-proteína son más conservadas dentro de las especies que entre especies". PLOS Computational Biology . 2 (7): e79. Bibcode :2006PLSCB...2...79M. doi : 10.1371/journal.pcbi.0020079 . PMC 1513270 . PMID  16854211. 
  18. ^ Han, Y.-C.; et al. (2016). "Predicción y caracterización de la red de interacción proteína-proteína en Bacillus licheniformis WX-02". Sci. Rep . 6 : 19486. Bibcode :2016NatSR...619486H. doi :10.1038/srep19486. PMC 4726086. PMID  26782814 . 
  19. ^ Kittichotirat W, Guerquin M, Bumgarner RE, Samudrala R (2009). "Protinfo PPC: un servidor web para la predicción a nivel atómico de complejos proteicos". Nucleic Acids Research . 37 (número del servidor web): W519–W525. doi :10.1093/nar/gkp306. PMC 2703994 . PMID  19420059. 
  20. ^ Tyagi, M; Hashimoto, K; Shoemaker, BA; Wuchty, S; Panchenko, AR (marzo de 2012). "Mapeo a gran escala del interactoma de proteínas humanas utilizando complejos estructurales". EMBO Rep . 13 (3): 266–71. doi :10.1038/embor.2011.261. PMC 3296913 . PMID  22261719. 
  21. ^ McDermott J, Guerquin M, Frazier Z, Chang AN, Samudrala R (2005). "BIOVERSE: Mejoras en el marco de anotaciones estructurales, funcionales y contextuales de proteínas y proteomas". Nucleic Acids Research . 33 (número de servidor web): W324–W325. doi :10.1093/nar/gki401. PMC 1160162 . PMID  15980482. 
  22. ^ Shoemaker, BA; Zhang, D; Tyagi, M; Thangudu, RR; Fong, JH; Marchler-Bauer, A; Bryant, SH; Madej, T; Panchenko, AR (enero de 2012). "IBIS (Inferred Biomolecular Interaction Server) informa, predice e integra múltiples tipos de interacciones conservadas para proteínas". Nucleic Acids Res . 40 (número de base de datos): D834–40. doi :10.1093/nar/gkr997. PMC 3245142 . PMID  22102591.  Hopf TA, Schaerfe CP, Rodrigues JP, Green AG, Kohlbacher O, Sander C, Bonvin AM, Marks DS (2014). "La coevolución de secuencias proporciona contactos y estructuras tridimensionales de complejos proteicos". eLife . 3 : e03430. arXiv : 1405.0929 . Bibcode :2014arXiv1405.0929H. doi : 10.7554/eLife.03430 . PMC  4360534 . PMID  25255213.
  23. ^ Kotlyar M, Pastrello C, Pivetta F, Lo Sardo A, Cumbaa C, Li H, Naranian T, Niu Y, Ding Z, Vafaee F, Broackes-Carter F, Petschnigg J, Mills GB, Jurisicova A, Stagljar I, Maestro R, Jurisica I (2015). "Predicción in silico de interacciones proteicas físicas y caracterización de huérfanos interactómicos". Nature Methods . 12 (1): 79–84. doi :10.1038/nmeth.3178. PMID  25402006. S2CID  5287489.Hamp T, Rost B (2015). "Los perfiles evolutivos mejoran la predicción de la interacción proteína-proteína a partir de la secuencia". Bioinformática . 31 (12): 1945–1950. doi : 10.1093/bioinformatics/btv077 . PMID  25657331.Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). "Las regiones polipeptídicas co-ocurrentes cortas pueden predecir mapas globales de interacción de proteínas". Scientific Reports . 2 : 239. Bibcode :2012NatSR...2E.239P. doi :10.1038/srep00239. PMC  3269044 . PMID  22355752.Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). "Las regiones polipeptídicas cortas que coexisten pueden predecir mapas globales de interacción de proteínas". Scientific Reports . 2 : 239. Bibcode :2012NatSR...2E.239P. doi :10.1038/srep00239. PMC  3269044 . PMID  22355752.
  24. ^ ab Qi Y, Dhiman HK, Bhola N, Budyak I, Kar S, Man D, Dutta A, Tirupula K, Carr BI, Grandis J, Bar-Joseph Z, Klein-Seetharaman J (diciembre de 2009). "Predicción sistemática de las interacciones de los receptores de membrana humanos". Proteómica . 9 (23): 5243–55. doi :10.1002/pmic.200900259. PMC 3076061 . PMID  19798668. 
  25. ^ Qi Y, Bar-Joseph Z, Klein-Seetharaman J (mayo de 2006). "Evaluación de diferentes datos biológicos y métodos de clasificación computacional para su uso en la predicción de la interacción de proteínas". Proteínas . 63 (3): 490–500. doi :10.1002/prot.20865. PMC 3250929 . PMID  16450363. 
  26. ^ Hoffmann, R; Krallinger, M; Andres, E; Tamames, J; Blaschke, C; Valencia, A (2005). "Minería de texto para vías metabólicas, cascadas de señalización y redes de proteínas". Science Signaling . 2005 (283): pe21. doi :10.1126/stke.2832005pe21. PMID  15886388. S2CID  15301069.
  27. ^ abc Schwikowski, B.; Uetz, P.; Fields, S. (2000). "Una red de interacciones proteína-proteína en levadura". Nature Biotechnology . 18 (12): 1257–1261. doi :10.1038/82360. PMID  11101803. S2CID  3009359.
  28. ^ McDermott J, Bumgarner RE, Samudrala R (2005). "Anotación funcional a partir de redes de interacción de proteínas predichas". Bioinformática . 21 (15): 3217–3226. doi : 10.1093/bioinformatics/bti514 . PMID  15919725.
  29. ^ Rajagopala, SV; Sikorski, P.; Caufield, JH; Tovchigrechko, A.; Uetz, P. (2012). "Estudio de complejos proteicos mediante el sistema de doble híbrido de levadura". Métodos . 58 (4): 392–399. doi :10.1016/j.ymeth.2012.07.015. PMC 3517932 . PMID  22841565. 
  30. ^ Desler C, Zambach S, Suravajhala P, Rasmussen LJ (2014). "Introducción del hipotoma: una forma de integrar proteínas predichas en interactomas". Revista internacional de investigación y aplicaciones bioinformáticas . 10 (6): 647–52. doi :10.1504/IJBRA.2014.065247. PMID  25335568.
  31. ^ Barab, A. -L.; Oltvai, Z. (2004). "Biología de redes: comprensión de la organización funcional de la célula". Nature Reviews Genetics . 5 (2): 101–113. doi :10.1038/nrg1272. PMID  14735121. S2CID  10950726.
  32. ^ Goh, K. -I.; Choi, I. -G. (2012). "Explorando el enfermedaoma humano: La red de enfermedades humanas". Briefings in Functional Genomics . 11 (6): 533–542. doi : 10.1093/bfgp/els032 . PMID  23063808.
  33. ^ ab Barabási, AL; Gulbahce, N; Loscalzo, J (2011). "Medicina en red: un enfoque basado en redes para las enfermedades humanas". Nature Reviews Genetics . 12 (1): 56–68. doi :10.1038/nrg2918. PMC 3140052 . PMID  21164525. 
  34. ^ Albert-László Barabási y Zoltan N. Oltvai (febrero de 2004). "Biología de redes: comprensión de la organización funcional de la célula". Nature Reviews. Genética . 5 (2): 101–113. doi :10.1038/nrg1272. PMID  14735121. S2CID  10950726.
  35. ^ Gao, L.; Sun, PG; Song, J. (2009). "Algoritmos de agrupamiento para detectar módulos funcionales en redes de interacción de proteínas". Revista de bioinformática y biología computacional . 7 (1): 217–242. doi :10.1142/S0219720009004023. PMID  19226668.
  36. ^ Navratil V.; et al. (2009). "VirHostNet: una base de conocimientos para la gestión y el análisis de redes de interacción virus-huésped en todo el proteoma". Nucleic Acids Res . 37 (número de la base de datos): D661–8. doi :10.1093/nar/gkn794. PMC 2686459 . PMID  18984613. 
  37. ^ Rajagopala SV.; et al. (2011). "El mapa de interacción proteica del bacteriófago lambda". BMC Microbiol . 11 : 213. doi : 10.1186/1471-2180-11-213 . PMC 3224144 . PMID  21943085.  Icono de acceso abierto
  38. ^ Bartel PL, Roecklein JA, SenGupta D, Fields S (1996). "Un mapa de enlace proteico del bacteriófago T7 de Escherichia coli". Nat. Genet . 12 (1): 72–7. doi :10.1038/ng0196-72. PMID  8528255. S2CID  37155819.
  39. ^ Sabri M.; et al. (2011). "Anotación genómica e interactoma intraviral para el fago virulento Dp-1 de Streptococcus pneumoniae". J. Bacteriol . 193 (2): 551–62. doi :10.1128/JB.01117-10. PMC 3019816 . PMID  21097633. 
  40. ^ Häuser R.; et al. (2011). "El proteoma y el interactoma del fago Cp-1 de Streptococcus pneumoniae". J. Bacteriol . 193 (12): 3135–8. doi :10.1128/JB.01481-10. PMC 3133188 . PMID  21515781. 
  41. ^ Stellberger, T.; et al. (2010). "Mejora del sistema de dos híbridos de levadura con proteínas de fusión permutadas: el interactoma del virus de la varicela-zóster". Proteome Sci . 8 : 8. doi : 10.1186/1477-5956-8-8 . PMC 2832230. PMID  20205919 . 
  42. ^ Kumar, K.; Rana, J.; Sreejith, R.; Gabrani, R.; Sharma, SK; Gupta, A.; Chaudhary, VK; Gupta, S. (2012). "Interacciones proteicas intravirales del virus Chandipura". Archivos de Virología . 157 (10): 1949–1957. doi :10.1007/s00705-012-1389-5. PMID  22763614. S2CID  17714252.
  43. ^ abcd Fossum, E; et al. (2009). Sun, Ren (ed.). "Redes de interacción de proteínas herpesvirales conservadas evolutivamente". PLOS Pathog . 5 (9): e1000570. doi : 10.1371/journal.ppat.1000570 . PMC 2731838 . PMID  19730696.  Icono de acceso abierto
  44. ^ Hagen, N; Bayer, K; Roesch, K; Schindler, M (2014). "La red de interacción de proteínas intravirales del virus de la hepatitis C". Molecular & Cellular Proteomics . 13 (7): 1676–89. doi : 10.1074/mcp.M113.036301 . PMC 4083108 . PMID  24797426. 
  45. ^ Han, Y; Niu, J; Wang, D; Li, Y (2016). "Análisis de la red de interacción de proteínas del virus de la hepatitis C basado en el carcinoma hepatocelular". PLOS ONE . ​​11 (4): e0153882. Bibcode :2016PLoSO..1153882H. doi : 10.1371/journal.pone.0153882 . PMC 4846009 . PMID  27115606. 
  46. ^ Osterman A, Stellberger T, Gebhardt A, Kurz M, Friedel CC, Uetz P, Nitschko H, Baiker A, Vizoso-Pinto MG (2015). "El interactoma intraviral del virus de la hepatitis E". Representante de ciencia . 5 : 13872. Código Bib : 2015NatSR...513872O. doi :10.1038/srep13872. PMC 4604457 . PMID  26463011. 
  47. ^ Lluvia, JC; Selig, L.; De Reuse, H.; Battaglia, VR; Reverdi, CL; Simón, SP; Lenzen, G.; Petel, F.; Wojcik, JRM; Schächter, V.; Chemama, Y.; Labigne, AS; Legrain, P. (2001). "El mapa de interacción proteína-proteína de Helicobacter pylori". Naturaleza . 409 (6817): 211–215. Código Bib :2001Natur.409..211R. doi :10.1038/35051615. PMID  11196647. S2CID  4400094.
  48. ^ Häuser, R; Ceol, A; Rajagopala, SV; Mosca, R; Siszler, G; Wermke, N; Sikorski, P; Schwarz, F; Schick, M; Wuchty, S; Aloy, P; Uetz, P (2014). "Una red de interacción proteína-proteína de segunda generación de Helicobacter pylori". Proteómica molecular y celular . 13 (5): 1318–29. doi : 10.1074/mcp.O113.033571 . PMC 4014287 . PMID  24627523. 
  49. ^ Parrish, JR; et al. (2007). "Un mapa de interacción de proteínas en todo el proteoma para Campylobacter jejuni". Genome Biol . 8 (7): R130. doi : 10.1186/gb-2007-8-7-r130 . PMC 2323224 . PMID  17615063. 
  50. ^ ab Rajagopala, SV; Titz, BR; Goll, J.; Häuser, R.; McKevitt, MT; Palzkill, T.; Uetz, P. (2008). Hall, Neil (ed.). "El interactoma proteico binario de Treponema pallidum – la espiroqueta de la sífilis". PLOS ONE . ​​3 (5): e2292. Bibcode :2008PLoSO...3.2292T. doi : 10.1371/journal.pone.0002292 . PMC 2386257 . PMID  18509523. 
  51. ^ Hu, P; et al. (2009). Levchenko, Andre (ed.). "Atlas funcional global de Escherichia coli que abarca proteínas no caracterizadas previamente". PLOS Biol . 7 (4): e96. doi : 10.1371/journal.pbio.1000096 . PMC 2672614 . PMID  19402753.  Icono de acceso abierto
  52. ^ Rajagopala, SV; Sikorski, P; Kumar, A; Mosca, R; Vlasblom, J; Arnold, R; Franca-Koh, J; Pakala, SB; Phanse, S; Ceol, A; Häuser, R; Siszler, G; Wuchty, S; Emili, A; Babu, M; Aloy, P; Pieper, R; Uetz, P (2014). "El panorama de interacción proteína-proteína binaria de Escherichia coli". Nature Biotechnology . 32 (3): 285–90. doi :10.1038/nbt.2831. PMC 4123855 . PMID  24561554. 
  53. ^ Shimoda, Y.; Shinpo, S.; Kohara, M.; Nakamura, Y.; Tabata, S.; Sato, S. (2008). "Un análisis a gran escala de las interacciones proteína-proteína en la bacteria fijadora de nitrógeno Mesorhizobium loti". DNA Research . 15 (1): 13–23. doi :10.1093/dnares/dsm028. PMC 2650630 . PMID  18192278. 
  54. ^ Wang, Y.; Cui, T.; Zhang, C.; Yang, M.; Huang, Y.; Li, W.; Zhang, L.; Gao, C.; He, Y.; Li, Y.; Huang, F.; Zeng, J.; Huang, C.; Yang, Q.; Tian, ​​Y.; Zhao, C.; Chen, H.; Zhang, H.; He, ZG (2010). "Red global de interacción proteína-proteína en el patógeno humano Mycobacterium tuberculosis H37Rv". Revista de investigación del proteoma . 9 (12): 6665–6677. doi :10.1021/pr100808n. PMID  20973567.
  55. ^ Kuhner, S.; Van Noort, V.; Betts, MJ; Leo-Macías, A.; Batisse, C.; Montó, M.; Yamada, T.; Maier, T.; Bader, S.; Beltrán-Álvarez, P.; Castaño-Diez, D.; Chen, W.-H.; Devos, D.; Güell, M.; Norambuena, T.; Racke, I.; Rybin, V.; Schmidt, A.; Yus, E.; Aebersold, R.; Herrmann, R.; Böttcher, B.; Frangakis, AS; Russell, RB; Serrano, L.; Bork, P.; Gavin, A.-C. (2009). "Organización del proteoma en una bacteria de genoma reducido". Ciencia . 326 (5957): 1235-1240. Código Bibliográfico : 2009Sci...326.1235K. doi :10.1126/science.1176343. PMID  19965468. S2CID  19334426.
  56. ^ Sato, S.; Shimoda, Y.; Muraki, A.; Kohara, M.; Nakamura, Y.; Tabata, S. (2007). "Un análisis de interacción proteína-proteína a gran escala en Synechocystis sp. PCC6803". DNA Research . 14 (5): 207–216. doi :10.1093/dnares/dsm021. PMC 2779905 . PMID  18000013. 
  57. ^ Cherkasov, A; Hsing, M; Zoraghi, R; Foster, LJ; See, RH; Stoynov, N; Jiang, J; Kaur, S; Lian, T; Jackson, L; Gong, H; Swayze, R; Amandoron, E; Hormozdiari, F; Dao, P; Sahinalp, C; Santos-Filho, O; Axerio-Cilies, P; Byler, K; McMaster, WR; Brunham, RC; Finlay, BB; Reiner, NE (2011). "Mapeo de la red de interacción de proteínas en Staphylococcus aureus resistente a la meticilina ". Revista de investigación del proteoma . 10 (3): 1139–50. doi :10.1021/pr100918u. PMID  21166474.
  58. ^ Uetz, P.; Giot, L.; Cagney, G.; Mansfield, TA; Judson, RS; Knight, JR; Lockshon, D.; Narayan, V. (2000). "Un análisis exhaustivo de las interacciones proteína-proteína en Saccharomyces cerevisiae". Nature . 403 (6770): 623–627. Bibcode :2000Natur.403..623U. doi :10.1038/35001009. PMID  10688190. S2CID  4352495.
  59. ^ Krogan, NJ; et al. (2006). "Paisaje global de los complejos proteicos en la levadura Saccharomyeses Cerivisiae ". Nature . 440 (7084): 637–643. Bibcode :2006Natur.440..637K. doi :10.1038/nature04670. PMID  16554755. S2CID  72422.
  60. ^ Pancaldi V, Saraç OS, Rallis C, McLean JR, Převorovský M, Gould K, Beyer A, Bähler J (2012). "Predicción de la red de interacción de proteínas de la levadura de fisión". G3: Genes, Genomas, Genética . 2 (4): 453–67. doi :10.1534/g3.111.001560. PMC 3337474 . PMID  22540037. 
  61. ^ Vo, TV; et al. (2016). "Un interactoma de levadura de fisión de todo el proteoma revela principios de evolución de la red desde las levaduras hasta los humanos". Cell . 164 (1–2): 310–323. doi :10.1016/j.cell.2015.11.037. PMC 4715267 . PMID  26771498. 
  62. ^ de Chassey B; Navratil V; Tafforeau L; et al. (4 de noviembre de 2008). "Red de proteínas de infección del virus de la hepatitis C". Biología de sistemas moleculares . 4 (4): 230. doi :10.1038/msb.2008.66. PMC 2600670 . PMID  18985028. 
  63. ^ Navratil V; de Chassey B; et al. (5 de noviembre de 2010). "Comparación a nivel de sistemas de interacciones proteína-proteína entre virus y la red del sistema de interferón tipo I humano". Journal of Proteome Research . 9 (7): 3527–36. doi :10.1021/pr100326j. PMID  20459142.
  64. ^ Brown KR, Jurisica I (2005). "Base de datos de interacción humana predicha en línea". Bioinformática . 21 (9): 2076–82. doi : 10.1093/bioinformatics/bti273 . PMID  15657099.
  65. ^ Gu H, Zhu P, Jiao Y, Meng Y, Chen M (2011). "PRIN: una red de interactomas de arroz predicha". BMC Bioinformatics . 12 : 161. doi : 10.1186/1471-2105-12-161 . PMC 3118165 . PMID  21575196. 
  66. ^ Guo J, Li H, Chang JW, Lei Y, Li S, Chen LL (2013). "Predicción y caracterización de la red de interacción proteína-proteína en Xanthomonas oryzae pv. oryzae PXO99 A". Res. Microbiol . 164 (10): 1035–44. doi : 10.1016/j.resmic.2013.09.001 . PMID  24113387.
  67. ^ Geisler-Lee J, O'Toole N, Ammar R, Provart NJ, Millar AH, Geisler M (2007). "Un interactoma predicho para Arabidopsis". Plant Physiol . 145 (2): 317–29. doi :10.1104/pp.107.103465. PMC 2048726 . PMID  17675552. 
  68. ^ Yue, Junyang; Xu, Wei; Prohibición, Rongjun; Huang, Shengxiong; Miao, Min; Tang, Xiaofeng; Liu, Guoqing; Liu, Yongsheng (1 de enero de 2016). "PTIR: recurso previsto del interactoma del tomate". Informes científicos . 6 : 25047. Código Bib : 2016NatSR...625047Y. doi :10.1038/srep25047. ISSN  2045-2322. PMC 4848565 . PMID  27121261. 
  69. ^ Yang, Jianhua; Osman, Kim; Iqbal, Mudassar; Stekel, Dov J.; Luo, Zewei; Armstrong, Susan J.; Franklin, F. Chris H. (1 de enero de 2012). "Inferencia del interactoma de Brassica rapa utilizando datos de interacción proteína-proteína de Arabidopsis thaliana". Frontiers in Plant Science . 3 : 297. doi : 10.3389/fpls.2012.00297 . ISSN  1664-462X. PMC 3537189 . PMID  23293649. 
  70. ^ Zhu, Guanghui; Wu, Aibo; Xu, Xin-Jian; Xiao, Pei-Pei; Lu, Le; Liu, Jingdong; Cao, Yongwei; Chen, Luonan; Wu, junio (1 de febrero de 2016). "PPIM: una base de datos sobre la interacción proteína-proteína para el maíz". Fisiología vegetal . 170 (2): 618–626. doi : 10.1104/pp.15.01821. ISSN  1532-2548. PMC 4734591 . PMID  26620522. 
  71. ^ Rodgers-Melnick, Eli; Culp, Mark; DiFazio, Stephen P. (1 de enero de 2013). "Predicción de redes de interacción de proteínas del genoma completo a partir de datos de secuencias primarias en organismos modelo y no modelo utilizando ENTS". BMC Genomics . 14 : 608. doi : 10.1186/1471-2164-14-608 . ISSN  1471-2164. PMC 3848842 . PMID  24015873. 
  72. ^ ab Guzzi PH, Mercatelli D, Ceraolo C, Giorgi FM (2020). "Análisis del regulador maestro del interactoma SARS-CoV-2/humano". Revista de medicina clínica . 9 (4): 982–988. doi : 10.3390/jcm9040982 . PMC 7230814 . PMID  32244779. 
  73. ^ Han, JD; Bertin, N; Hao, T; Goldberg, DS; Berriz, GF; Zhang, LV; Dupuy, D; Walhout, AJ; Cusick, ME; Roth, FP; Vidal, M (2004). "Evidencia de modularidad organizada dinámicamente en la red de interacción proteína-proteína de la levadura". Nature . 430 (6995): 88–93. Bibcode :2004Natur.430...88H. doi :10.1038/nature02555. PMID  15190252. S2CID  4426721.
  74. ^ ab Yu, H; Braun, P; Yildirim, MA; Lemmens, I; Venkatesan, K; Sahalie, J; Hirozane-Kishikawa, T; Gebreab, F; Li, N; Simonis, N; Hao, T; Rual, JF; Dricot, A; Vazquez, A; Murray, RR; Simon, C; Tardivo, L; Tam, S; Svrzikapa, N; Fan, C; De Smet, AS; Motyl, A; Hudson, ME; Park, J; Xin, X; Cusick, ME; Moore, T; Boone, C; Snyder, M; Roth, FP (2008). "Mapa binario de interacción de proteínas de alta calidad de la red interactómica de la levadura". Science . 322 (5898): 104–10. Código Bibliográfico :2008Sci...322..104Y. doi :  10.1126 / science.1158684.PMC 2746753.PMID 18719252 . 
  75. ^ Batada, NN; Reguly, T; Breitkreutz, A; Boucher, L; Breitkreutz, BJ; Hurst, LD; Tyers, M (2006). "Stratus no altocumulus: una nueva visión de la red de interacción de proteínas de levadura". PLOS Biology . 4 (10): e317. doi : 10.1371/journal.pbio.0040317 . PMC 1569888 . PMID  16984220. 
  76. ^ Bertin, N; Simonis, N; Dupuy, D; Cusick, ME; Han, JD; Fraser, HB; Roth, FP; Vidal, M (2007). "Confirmación de la modularidad organizada en el interactoma de la levadura". PLOS Biology . 5 (6): e153. doi : 10.1371/journal.pbio.0050153 . PMC 1892830 . PMID  17564493. 
  77. ^ Kim, PM; Lu, LJ; Xia, Y; Gerstein, MB (2006). "Relacionar las estructuras tridimensionales con las redes de proteínas proporciona conocimientos evolutivos". Science . 314 (5807): 1938–41. Bibcode :2006Sci...314.1938K. doi :10.1126/science.1136174. PMID  17185604. S2CID  2489619.
  78. ^ Fernandez, A; M Lynch (2011). "Orígenes no adaptativos de la complejidad del interactoma". Nature . 474 (7352): 502–505. doi :10.1038/nature09992. PMC 3121905 . PMID  21593762. 
  79. ^ Welch, G. Rickey (enero de 2009). "El interactoma 'difuso'". Tendencias en Ciencias Bioquímicas . 34 (1): 1–2. doi :10.1016/j.tibs.2008.10.007. PMID  19028099.

Lectura adicional

Enlaces externos

Servidores web de Interactome

Herramientas de visualización de Interactome

Bases de datos de interactome