stringtranslate.com

Interactoma

En biología molecular , un interactoma es el conjunto completo de interacciones moleculares en una célula particular . El término se refiere específicamente a interacciones físicas entre moléculas (como aquellas 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 cuadros e interacciones marcadas 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 pertenecientes a diferentes familias bioquímicas (proteínas, ácidos nucleicos, lípidos, carbohidratos, etc.) y también dentro de una familia determinada. Siempre que dichas moléculas están conectadas mediante interacciones físicas, forman redes de interacción molecular que generalmente se clasifican según 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, donde 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 redes de interacción molecular: los metabolitos, es decir, los compuestos químicos de una célula, se transforman entre sí mediante enzimas , que deben 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 reguladoras 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 se encuentran disponibles mapas de interacción proteína-proteína que contienen varios miles de interacciones binarias para varias especies, ninguno de ellos está completo actualmente y el tamaño de los interactomas sigue siendo un tema de debate.

Levadura

Se ha estimado que el interactoma de levadura, es decir, todas las interacciones proteína-proteína entre 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 amplias suelen incluir interacciones indirectas o previstas, a menudo procedentes 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 esta manera forman redes de interacción genética . Algunos de los objetivos de estas redes son: desarrollar un mapa funcional de los procesos de una célula, identificar objetivos de fármacos 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 según funciones similares para construir un mapa funcional de los procesos de la célula. Utilizando este método, el estudio pudo predecir funciones genéticas conocidas mejor que cualquier otro conjunto de datos a escala genómica, además de agregar información funcional para genes que no se habían descrito previamente. A partir de este modelo se pueden observar interacciones genéticas a múltiples escalas, lo que ayudará en el estudio de conceptos como la conservación de genes. Algunas de las observaciones hechas en este estudio son que hubo el doble de interacciones negativas que positivas , las interacciones negativas fueron más informativas que las 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 tanto de las interacciones como de 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 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 aérea 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 la retroalimentación entre estas moléculas. Estas hipótesis podrán luego comprobarse mediante nuevos experimentos. [10]

Métodos experimentales para mapear interactomas.

El estudio de los interactomas se llama interactómica. La unidad básica de una red de proteínas es la interacción proteína-proteína (PPI). Si bien existen numerosos métodos para estudiar los 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 en forma de alto rendimiento (HTP). Las pruebas híbridas de dos levaduras permiten interacciones falsamente positivas entre proteínas que nunca se expresan en el mismo momento 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 tendencias no específicas hacia interacciones pegajosas, mientras que la espectrometría de masas de captura por afinidad indica mejor interacciones funcionales proteína-proteína in vivo. [11] [12]

Métodos computacionales para estudiar interactomas.

Una vez creado un interactoma, existen numerosas formas de analizar sus propiedades. Sin embargo, hay dos objetivos importantes de tales análisis. En primer lugar, los científicos intentan dilucidar las propiedades del sistema 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. Dichos 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 pantallas Y2H típicas detectan sólo aproximadamente el 25% 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 han sido encontradas y validadas mediante ensayos independientes. [14] Otros métodos filtran los falsos positivos calculando la similitud de anotaciones conocidas de las proteínas involucradas o definen una probabilidad de interacción utilizando la localización subcelular de estas proteínas. [15]

Predecir los IPP

IBP para esquizofrenia. [dieciséis]

Utilizando datos experimentales como punto de partida, la transferencia de homología es una forma de predecir interactomas. Aquí, los IBP 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 sólo información de secuencia, creando así redes de interacción completas e imparciales con muchos errores. [23]

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

Minería de textos de PPI

Se han realizado algunos esfuerzos para extraer sistemáticamente redes de interacción directamente de la literatura científica. Dichos 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 la proteína.

Se han utilizado redes de interacción de proteínas para predecir la función de proteínas de funciones desconocidas. [27] [28] Esto generalmente se basa en la suposición de que las proteínas no caracterizadas tienen funciones similares a las proteínas que interactúan ( culpa por asociación ). Por ejemplo, se descubrió que YbeB, una proteína de función desconocida, interactúa con proteínas ribosómicas y luego se demostró que participa en la traducción bacteriana y eucariota (pero no en arqueas) . [29] Aunque tales predicciones pueden basarse en interacciones únicas, generalmente se encuentran varias interacciones. Por tanto, toda la red de interacciones se puede utilizar para predecir funciones de proteínas, dado que ciertas funciones suelen estar enriquecidas entre los interactuantes. [27] El término hipotoma se ha utilizado para indicar 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 hace ciertas predicciones sobre cómo reacciona una red ante la perturbación (por ejemplo, eliminación) de nodos (proteínas) o bordes (interacciones). [31] Tales perturbaciones pueden ser causadas por mutaciones de genes y, por lo tanto, de sus proteínas, y una reacción en red puede manifestarse como una enfermedad . [32] Un análisis de red puede identificar objetivos farmacológicos 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 agrupación , la centralidad de intermediación y muchas otras. La distribución de propiedades entre las proteínas de un interactoma ha revelado que las redes del interactoma a menudo tienen una topología sin 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, identificar complejos proteicos en un interactoma es una tarea formidable, 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 de fagos. Estuvieron entre los primeros proyectos de interactomas porque sus genomas son pequeños y todas las proteínas pueden analizarse con recursos limitados. Los interactomas virales están conectados a los interactomas de su huésped, formando redes de interacción virus-hospedador. [36] Algunos interactomas de virus publicados incluyen

Bacteriófago

Los interactomas lambda y VZV no solo 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 han demostrado intentos anteriores.

Virus humanos (mamíferos)

interactomas bacterianos

Relativamente pocas bacterias han sido estudiadas exhaustivamente por sus interacciones proteína-proteína. Sin embargo, ninguno de estos interactomas está completo en el sentido de que capturaron 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 método único, y todos 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 demás han utilizado extensos cribados de dos híbridos de levadura (Y2H). El interactoma de Mycobacterium tuberculosis se ha analizado mediante un cribado bacteriano de dos híbridos (B2H).

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

interactomas eucariotas

Ha habido varios esfuerzos para mapear interactomas eucariotas mediante métodos HTP. Si bien no se han caracterizado completamente ningún interactoma biológico, se han analizado más del 90% de las proteínas de 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 su el sistema inmunológico del huésped. [63]

Interactomas predichos

Como se describió anteriormente, se pueden predecir los PPI y, por lo tanto, los interactomas completos. Si bien la confiabilidad de estas predicciones es discutible, proporcionan hipótesis que pueden probarse experimentalmente. Se han predicho interactomas para varias especies, p.

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

Propiedades de red

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

El interactoma de la proteína 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 una gráfica log-log 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, denominándose estas últimas "hubs".

Centros

Los nodos (proteínas) altamente conectados se denominan centros. Han et al. [73] han acuñado el término " centro de partido " para los centros cuya expresión está correlacionada con sus socios de interacción. Los centros de fiesta también conectan proteínas dentro de módulos funcionales, como complejos de proteínas. Por el contrario, los " date hubs " no presentan tal correlación y parecen conectar diferentes módulos funcionales. Los centros de partidos se encuentran predominantemente en conjuntos de datos AP/MS, mientras que los centros de fechas se encuentran predominantemente en mapas de redes de interactomas binarios. [74] Tenga en cuenta que se cuestionó la validez de la distinción entre centro de fechas y centro de partidos. [75] [76] Los centros de fiesta generalmente consisten en proteínas de interfaz múltiple, mientras que los centros de fecha son más frecuentemente proteínas de interfaz de interacción única. [77] De acuerdo con el papel de los centros de fechas en la conexión de diferentes procesos, en la levadura el número de interacciones binarias de una proteína determinada se correlaciona con el número de fenotipos observados para el gen mutante correspondiente en diferentes condiciones fisiológicas. [74]

Módulos

Los nodos involucrados en un 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 por primera vez que los límites entre procariotas , eucariotas unicelulares y eucariotas multicelulares van acompañados de reducciones de órdenes de magnitud en el tamaño efectivo de la población, con amplificaciones simultáneas 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 debería considerarse como un determinante potencial de las vías mecanicistas que subyacen a la evolución fenotípica a largo plazo. En el estudio se muestra además que existe una relación inversa filogenéticamente amplia entre el poder de deriva y la integridad estructural de las subunidades proteicas. Por lo tanto, la acumulación de mutaciones levemente perjudiciales en poblaciones de tamaño pequeño 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 complejas arquitecturas e interacciones proteicas 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 sobre el estado (alrededor de 2007) del campo, especialmente con la interactómica comparada: Los procedimientos experimentales asociados con el campo son propensos a errores que conducen a "resultados ruidosos". Esto lleva a que el 30% de todas las interacciones reportadas 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 no reproducibilidad se debe a la extraordinaria sensibilidad de varios métodos a pequeñas variaciones experimentales. Por ejemplo, condiciones idénticas en los ensayos Y2H dan como resultado interacciones muy diferentes cuando se utilizan diferentes vectores Y2H. [13]

Las técnicas pueden estar sesgadas, es decir, la técnica determina qué interacciones se encuentran. De hecho, cualquier método tiene sesgos, especialmente los métodos proteicos. 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 no funcionan bien con proteínas de membrana. Esto también es válido para las tecnologías Y2H y AP/MS.

Los interactomas no están casi completos, quizás con la excepción de S. cerevisiae. Esto no es realmente una crítica ya que cualquier área científica está inicialmente "incompleta" hasta que se mejoran las metodologías. La interactómica en 2015 es donde se encontraba la secuenciación del genoma a fines de la década de 1990, dado que solo se encuentran disponibles unos pocos conjuntos de datos de interactomas (consulte 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 el campo.

Es difícil hacer coincidir proteínas evolutivamente relacionadas en especies lejanamente relacionadas. 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 interactuar. 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 posibles interacciones, incluso cuando se publica una versión supuestamente definitiva en una revista científica. Es posible que factores adicionales desempeñen funciones en las interacciones de proteínas que aún no se han incorporado en los interactomas. La fuerza de unión de los diversos interactores de proteínas, los factores microambientales, la sensibilidad a diversos procedimientos y el estado fisiológico de la célula influyen en las interacciones proteína-proteína, pero generalmente no se tienen en cuenta en los estudios del interactoma. [79]

Ver 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 objetivo directo de la evodiamina, que aumenta la salida 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 del desarrollo neurológico, sinaptogénicos y de percepción sensorial". MÁS UNO . 4 (3): e4906. Código Bib : 2009PLoSO...4.4906H. doi : 10.1371/journal.pone.0004906 . PMC  2654149 . PMID  19300510. Icono de acceso abierto
  3. ^ Sánchez C; Lachaize C; Janody F; et al. (Enero de 1999). "Aprovechar las interacciones moleculares y las redes genéticas en Drosophila melanogaster utilizando FlyNets, una base de datos de Internet". Ácidos nucleicos Res . 27 (1): 89–94. doi :10.1093/nar/27.1.89. PMC 148104 . PMID  9847149. 
  4. ^ Sharma, Ankush; Gautama VK; Costantini S; Paladino A; Colonna G (febrero de 2012). "Conocimientos interactómicos y farmacológicos sobre el Sirt-1 humano". Frente. Farmacéutico . 3 : 40. doi : 10.3389/ffhar.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 Sirtuin humana". Biochimica et Biophysica Acta (BBA) - Proteínas y Proteómica . 1834 (10): 1998-2009. arXiv : 1302.6423 . Código Bib : 2013arXiv1302.6423S. doi :10.1016/j.bbapap.2013.06.012. PMID  23811471. S2CID  15003130.
  6. ^ ab Uetz P. & Grigoriev A. (2005) El interactoma de 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. ^ Diputado Stumpf; Thorne T; de SilvaE; et al. (mayo de 2008). "Estimación del tamaño del interactoma humano". Proc. Nacional. Acad. Ciencia. EE.UU . 105 (19): 6959–64. Código Bib : 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". Ciencia . 327 (5964): 425–431. Código Bib : 2010 Ciencia... 327.. 425C. doi : 10.1126/ciencia.1180823. PMC 5600254 . PMID  20093466. 
  9. ^ ab Kiemer, L; G Cesareni (2007). "Interactómica comparada: ¿comparar 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 pegajosidad de las proteínas, en lugar del número de interacciones funcionales entre proteínas, predice el ruido de expresión y la plasticidad en la levadura". Biología de sistemas BMC . 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 Drosophila CASK-ß se revelan mediante espectrometría de masas". Frente. Mol. Neurociencias . 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". Métodos de la naturaleza . 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 de dos híbridos de levadura 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 características moleculares de proteínas individuales". Bioinformática . 22 (14): e402–e407. doi : 10.1093/bioinformática/btl258 . PMID  16873500.{{cite journal}}: Mantenimiento CS1: 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 Esquizofrenia . 2 : 16012. doi : 10.1038/npjschz.2016.12. PMC 4898894 . PMID  27336055. 
  17. ^ Mika S, Rost B (2006). "Las interacciones proteína-proteína están más conservadas dentro de las especies que entre especies". PLOS Biología Computacional . 2 (7): e79. Código Bib : 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". Ciencia. Representante . 6 : 19486. Código bibliográfico : 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". Investigación de ácidos nucleicos . 37 (problema del servidor web): W519–W525. doi :10.1093/nar/gkp306. PMC 2703994 . PMID  19420059. 
  20. ^ Tyagi, M; Hashimoto, K; Zapatero, Licenciatura en Licenciatura; Wuchty, S; Panchenko, AR (marzo de 2012). "Mapeo a gran escala del interactoma de proteínas humanas mediante complejos estructurales". Representante EMBO . 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 para anotaciones estructurales, funcionales y contextuales de proteínas y proteomas". Investigación de ácidos nucleicos . 33 (problema del servidor web): W324–W325. doi : 10.1093/nar/gki401. PMC 1160162 . PMID  15980482. 
  22. ^ Zapatero, Licenciatura; 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". Ácidos nucleicos Res . 40 (Problema de la 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". eVida . 3 : e03430. arXiv : 1405.0929 . Código Bib : 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, Jurísica I (2015). "Predicción in silico de interacciones físicas de proteínas y caracterización de interactomas huérfanos". Métodos de la naturaleza . 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/bioinformática/btv077 . PMID  25657331.Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). "Las regiones polipeptídicas breves coexistentes pueden predecir mapas de interacción global de proteínas". Informes científicos . 2 : 239. Código Bib : 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 breves concurrentes pueden predecir mapas globales de interacción de proteínas". Informes científicos . 2 : 239. Código Bib : 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 del receptor de membrana humana". 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 interacciones de proteínas". Proteínas . 63 (3): 490–500. doi :10.1002/prot.20865. PMC 3250929 . PMID  16450363. 
  26. ^ Hoffmann, R; Krallinger, M; Andrés, E; Tamames, J; Blaschke, C; Valencia, A (2005). "Minería de texto para vías metabólicas, cascadas de señalización y redes de proteínas". Señalización científica . 2005 (283): pe21. doi :10.1126/stke.2832005pe21. PMID  15886388. S2CID  15301069.
  27. ^ abc Schwikowski, B.; Uetz, P.; Campos, S. (2000). "Una red de interacciones proteína-proteína en levadura". Biotecnología de la Naturaleza . 18 (12): 1257-1261. doi :10.1038/82360. PMID  11101803. S2CID  3009359.
  28. ^ McDermott J, Bumgarner RE, Samudrala R (2005). "Anotación funcional de redes de interacción de proteínas predichas". Bioinformática . 21 (15): 3217–3226. doi : 10.1093/bioinformática/bti514 . PMID  15919725.
  29. ^ Rajagopala, SV; Sikorski, P.; Caufield, JH; Tovchigrechko, A.; Uetz, P. (2012). "Estudio de complejos proteicos mediante el sistema de dos híbridos 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). "Presentación del hipotoma: una forma de integrar proteínas predichas en interactomas". Revista internacional de investigación y aplicaciones de bioinformática . 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". Naturaleza Reseñas Genética . 5 (2): 101-113. doi :10.1038/nrg1272. PMID  14735121. S2CID  10950726.
  32. ^ Goh, K. -I.; Choi, I. -G. (2012). "Explorando la enfermedad humana: la red de enfermedades humanas". Sesiones informativas en genómica funcional . 11 (6): 533–542. doi : 10.1093/bfgp/els032 . PMID  23063808.
  33. ^ ab Barabási, AL; Gulbahçe, N; Loscalzo, J (2011). "Medicina en red: un enfoque basado en redes para las enfermedades humanas". Naturaleza Reseñas Genética . 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". Reseñas de la naturaleza. Genética . 5 (2): 101-113. doi :10.1038/nrg1272. PMID  14735121. S2CID  10950726.
  35. ^ Gao, L.; Sol, PG; Canción, J. (2009). "Algoritmos de agrupamiento para la detección de 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". Ácidos nucleicos Res . 37 (Problema 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 de proteínas 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 de proteínas 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 del genoma 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 varicela zoster". Ciencia del proteoma . 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 de proteínas 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). Sol, Ren (ed.). "Redes de interacción de proteínas herpesvirales conservadas evolutivamente". PLOS Patog . 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". Proteómica molecular y celular . 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 carcinoma hepatocelular". MÁS UNO . 11 (4): e0153882. Código Bib : 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 bibliográfico : 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 de todo el proteoma para Campylobacter jejuni". Genoma 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). Salón, Neil (ed.). "El interactoma de proteínas binarias de Treponema pallidum - la espiroqueta de la sífilis". MÁS UNO . 3 (5): e2292. Código Bib : 2008PLoSO...3.2292T. doi : 10.1371/journal.pone.0002292 . PMC 2386257 . PMID  18509523. 
  51. ^ Hu, P; et al. (2009). Levchenko, André (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; Emilio, A; Babú, M; Aloy, P; Pieper, R; Uetz, P (2014). "El panorama de la interacción binaria proteína-proteína de Escherichia coli". Biotecnología de la Naturaleza . 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". Investigación del ADN . 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.; Ey.; Li, Y.; Huang, F.; Zeng, J.; Huang, C.; Yang, Q.; Tian, ​​Y.; Zhao, C.; Chen, H.; Zhang, H.; Él, ZG (2010). "Red global de interacción proteína-proteína en el patógeno humano Mycobacterium tuberculosisH37Rv". 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 Bib : 2009 Ciencia... 326.1235K. doi : 10.1126/ciencia.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". Investigación del ADN . 14 (5): 207–216. doi :10.1093/dnares/dsm021. PMC 2779905 . PMID  18000013. 
  57. ^ Cherkasov, A; Hsing, M; Zoraghi, R; Foster, LJ; Ver, RH; Stoynov, N; Jiang, J; Kaur, S; Lian, T; Jackson, L; Gong, H; Swayze, R; Amandorón, 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 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; Caballero, JR; Lockshon, D.; Narayan, V. (2000). "Un análisis completo de las interacciones proteína-proteína en Saccharomyces cerevisiae". Naturaleza . 403 (6770): 623–627. Código Bib : 2000Natur.403..623U. doi :10.1038/35001009. PMID  10688190. S2CID  4352495.
  59. ^ Krogan, Nueva Jersey; et al. (2006). "Panorama global de complejos proteicos en la levadura Saccharomyeses Cerivisiae ". Naturaleza . 440 (7084): 637–643. Código Bib :2006Natur.440..637K. doi : 10.1038/naturaleza04670. 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 levadura de fisión". G3: Genes, Genomas, Genética . 2 (4): 453–67. doi :10.1534/g3.111.001560. PMC 3337474 . PMID  22540037. 
  61. ^ Vo, televisión; et al. (2016). "Un interactoma de levadura de fisión de todo el proteoma revela los principios de evolución de la red desde las levaduras hasta los humanos". Celúla . 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 por el 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 humano tipo I". Revista de investigación del proteoma . 9 (7): 3527–36. doi :10.1021/pr100326j. PMID  20459142.
  64. ^ Brown KR, Jurisica I (2005). "Base de datos de interacción humana prevista en línea". Bioinformática . 21 (9): 2076–82. doi : 10.1093/bioinformática/bti273 . PMID  15657099.
  65. ^ Gu H, Zhu P, Jiao Y, Meng Y, Chen M (2011). "PRIN: una red de interactomas de arroz prevista". Bioinformática BMC . 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 previsto para Arabidopsis". Fisiol vegetal . 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; Osmán, Kim; Iqbal, Mudassar; Stekel, Dov J.; Luo, Zewei; Armstrong, Susan J.; Franklin, F. Chris H. (1 de enero de 2012). "Inferir el interactoma de Brassica rapa utilizando datos de interacción proteína-proteína de Arabidopsis thaliana". Fronteras en la ciencia vegetal . 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 de las plantas . 170 (2): 618–626. doi : 10.1104/pp.15.01821. ISSN  1532-2548. PMC 4734591 . PMID  26620522. 
  71. ^ Rodgers-Melnick, Eli; Culpa, Mark; DiFazio, Stephen P. (1 de enero de 2013). "Predicción de redes de interacción de proteínas del genoma completo a partir de datos de secuencia primaria en organismos modelo y no modelo utilizando ENTS". Genómica BMC . 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; Bertín, N; Hao, T; Goldberg, DS; Bérriz, GF; Zhang, LV; Dupuy, D; Walhout, AJ; Cusick, YO; Roth, FP; Vidal, M (2004). "Evidencia de modularidad organizada dinámicamente en la red de interacción proteína-proteína de levadura". Naturaleza . 430 (6995): 88–93. Código Bib :2004Natur.430...88H. doi : 10.1038/naturaleza02555. PMID  15190252. S2CID  4426721.
  74. ^ ab Yu, H; Braun, P; Yildirim, MA; Lemmens, yo; Venkatesan, K; Sahalie, J; Hirozane-Kishikawa, T; Gebreab, F; Li, N; Simonis, N; Hao, T; Rual, JF; Dricot, A; Vázquez, A; Murray, RR; Simón, C; Tardívo, L; Tam, S; Svrzikapa, N; ventilador, C; De Smet, AS; Motilo, A; Hudson, YO; Parque, J; Xin, X; Cusick, YO; Moore, T; Boone, C; Snyder, M; Roth, FP (2008). "Mapa de interacción de proteínas binarias de alta calidad de la red del interactoma de levadura". Ciencia . 322 (5898): 104–10. Código Bib : 2008 Ciencia... 322.. 104Y. doi : 10.1126/ciencia.1158684. PMC 2746753 . PMID  18719252. 
  75. ^ Batada, NN; Regularmente, T; Breitkreutz, A; Boucher, L; Breitkreutz, BJ; Hurst, LD; Tyers, M (2006). "Estratos no altocúmulos: una nueva visión de la red de interacción de proteínas de levadura". Más biología . 4 (10): e317. doi : 10.1371/journal.pbio.0040317 . PMC 1569888 . PMID  16984220. 
  76. ^ Bertín, N; Simonis, N; Dupuy, D; Cusick, YO; Han, JD; Fraser, HB; Roth, FP; Vidal, M (2007). "Confirmación de modularidad organizada en el interactoma de levadura". Más biología . 5 (6): e153. doi : 10.1371/journal.pbio.0050153 . PMC 1892830 . PMID  17564493. 
  77. ^ Kim, primer ministro; Lu, LJ; Xia, Y; Gerstein, MB (2006). "Relacionar estructuras tridimensionales con redes de proteínas proporciona información evolutiva". Ciencia . 314 (5807): 1938–41. Código Bib : 2006 Ciencia... 314.1938K. doi : 10.1126/ciencia.1136174. PMID  17185604. S2CID  2489619.
  78. ^ Fernández, A; M. Lynch (2011). "Orígenes no adaptativos de la complejidad del interactoma". Naturaleza . 474 (7352): 502–505. doi : 10.1038/naturaleza09992. 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.

Otras lecturas

enlaces externos

Servidores web interactivos

Herramientas de visualización de Interactome

Bases de datos interactivas