蛋白質相互作用研究：從整體到局部

隨著越來越多的物種基因組測序完成，對全蛋白質組與相互作用組的解釋已經成為近期研究的熱點。雖然蛋白質組研究闡述了表達蛋白質的所有組成成分，但是相互作用組包括了生物體內存在或者可能存在的成對蛋白質-蛋白質相互作用，因此，形成了龐大且稀疏的網狀結構。倫敦帝國理工學院生物信息學中心的WP Kelly等人在文章中對現有數據提出的挑戰進行了探討，描繪了一幅從全局分析到更加詳細的、更集中的蛋白質-蛋白質相互作用研究的路徑。謹慎利用蛋白質相互作用數據，可以讓我們進一步全面探索其潛能，并對生物學系統機制的假說進行評估。

在細胞和分子水平，生物學的結構和功能是蛋白質和其他分子之間復雜的相互作用的產物。因此，研究生物學網絡，并且利用圖表理論描述這些相互作用，已經成為闡述生物學系統的重要概念之一。雖然蛋白質-蛋白質相互作用數據噪音很多，還不完善，但已經有許多關于“利用蛋白質相互作用網絡數據分析和理解復雜的分子表型”的報告發表。

本文將重點探討和蛋白質-蛋白質相互作用網絡相關的三方面內容：圍繞著蛋白質-蛋白質相互作用的校對、矯正和驗證的討論；根據結構，詳細描述了個別蛋白質-蛋白質相互作用關系；利用它們研究疾病的分子進程，并將其作為研究細胞系統動力學性質的有用工具。

蛋白質相互作用數據的挑戰和來源

構建生物學網絡的結構極具挑戰性，需要大量的資源和努力。在高通量技術出現后，我們才獲得了模型生物的大規模的蛋白質相互作用網絡數據，每年，都產生數千個假定的相互作用網絡。這與幾年前數百個相互作用的總量，形成鮮明對比。對于研究較為透徹的原核、真核模型生物來說，現在已經有好幾個大型的蛋白質相互作用網絡數據集了。

以釀酒酵母為例， 已經利用當前成熟的研究方法和可能的技術手段進行了廣泛的研究。共免疫沉淀、質譜技術和酵母雙雜交已經被廣泛的應用于釀酒酵母假定的蛋白質相互作用關系的鑒定。曾有人采用不同的方法檢測物理的相互作用，綜合檢查有關的生物信息學數據集。然而，這些數據集重疊量低到令人難以置信，專家建議，要謹慎處理數據。

為了預測新的蛋白質-蛋白質相互作用，研究人員除了采用實驗方法，還大量采用了計算機模擬分析。單獨從基因組序列數據計算預測蛋白質-蛋白質相互作用面臨的困難很大，即使是最成功的方法也會遭受到很高的假陽性結果和假陰性結果。研究人員都冀望于統計學理論、生物信息學、進化生物學的技術發展水平，以及基于生物信息學數據來源的預測。

這樣做的目的是將一個有機模型中的相互作用信息傳遞到相關的另一個物種中。這是一個很清晰合理的出發點，但是其中的弊端也很明顯：相互作用數據中的不確定性也將通過物種傳播，這將使得沖突數據的分析變得更加困難。

過去三年來，每年都有10000多個釀酒酵母新的相互作用關系問世。數據表述方法以及它們隨著時間的推移而進行的組合方式，是我們理解蛋白質相互作用知識的一個很有用起點。

如果需要分析相互作用和時間的關系，它們都是無價之寶！例如，完整的釀酒酵母是一個稀疏的網絡結構，大約有6000個節點，以及1800萬個可能存在的成對相互作用關系；BIOGRID數據庫報道，有70000多種不同的相互作用關系。然而，人們認為酵母相互作用組的容量要低于已存在報道的相互作用關系的數量。目前的任務是要找到有效的方法來區分假陽性報道和真陽性成對相互作用。

當可信度問題變得更為顯著時，研究初期對網狀結構進行解釋的熱情有所減弱。最近數學結果和實驗研究表明，來自實際相互作用組的子集，與真實的網絡結構具有不同的性質和結構特征。 因此，研究蛋白質相互作用數據集可能只為相互作用組的結構提供有限的信息。此外，將不同的數據集結合在一起研究，可能忽視了在不同的生化分析中的限制和潛在的矛盾。

蛋白質-蛋白質相互作用特點

蛋白質相互作用網絡的整體分析，日益被更詳細的蛋白質-蛋白質相互作用、相互作用的決定因子、特征及效應分析所取代。第一，這些分析能告訴我們特殊的相互作用的功能定位；第二，這些分析有助于我們用計算機對蛋白質-蛋白質相互作用進行預測。用到的預測方法很大程度上是以統計模式為基礎的，統計模式能將相互作用的蛋白質對，與不會發生相互作用的蛋白質對區別開來，計算機模擬推理的蛋白質-蛋白質相互作用，對理解蛋白質相互作用的效應和機制有很大幫助。

嚴格的講，我們談論的是蛋白質區域相互作用，而非蛋白質相互作用，結構生物信息學在蛋白質-蛋白質相互作用的預測中，扮演了越來越重要的角色。然而，蛋白質結構預測的困難，將給以結構為基礎的蛋白質-蛋白質相互作用的預測帶來不便，盡管目前已經取得一些進展，可以確定可能的蛋白質表面和蛋白質域的相互作用。

就參與相互作用網絡的蛋白質的基因組和功能特征而言，針對蛋白質對的分析更直接。共表達、共享轉錄因子結合位點、基因語義分類等技術，已經用于評估網絡在組成節點中的影響，并且確定相互作用的蛋白質對與不會發生相互作用的蛋白質對的區別。在這些研究中，我們通常拿真正的網絡結構與具有相似統計學特征的網絡相比較，隨機聚類集成的定義可能對下游的統計分析產生重要影響。

人們對發生在具有相同（或生物學上相似的）注釋的蛋白質之間的相互作用，有一種預期的偏見。對蛋白質相互作用中分子功能的報道有超過20%屬于這一類情況。這與組分和流程注解的比例類似。然而，在BIOGRID數據庫已報道的新的相互作用中，只有36097個（約占總數的一半）蛋白質之間具有已知功能。在這個數據子集中，8380個相互作用發生在相同功能的蛋白質之間。其余的相互作用包括那些對不同生物學處理過程有益的蛋白質，或者那些主要存在不同的細胞組分中的蛋白質。

這些觀察結果必然對蛋白質-蛋白質相互作用在計算機中的預測產生重要的影響。科羅拉多州立大學的計算機科學系的Asa Ben-Hur和華盛頓大學基因組學系的William Stafford Noble將基于細胞定位的選擇性相互作用因子負集合與隨機選擇的數據庫中沒有的蛋白質配對進行比較。他們發現，前者實際上產生了高品質的不會互相作用的蛋白質，因為任何數據集合都含有不同的注釋（不同功能、不同過程，等等。）然而，對蛋白質-蛋白質相互作用預測器/分析器的結果也存在偏見，預測器/分析器可能只是預測了在不同組成部分中的蛋白質，而不是真正的相互作用蛋白質對。

在系統生物學中利用蛋白質相互作用網絡

過去，對蛋白質相互作用網絡的研究一直獨立于其他網絡之外，但是，這種狀況在快速發生變化。我們知道，轉錄和轉錄調控，代謝作用過程，信號級聯放大都需要并調用蛋白質-蛋白質相互作用網絡。基于此，為了弄清楚生理學意義，研究中不能把調控相互作用網絡、代謝網絡、信號網絡、蛋白質-蛋白質相互作用網絡分開考慮，或者將其看作獨立的實體。因此，我們必須將這些復雜的網絡結構結合在一起考慮：蛋白質獨自或結合在一起作為轉錄因子以及蛋白質豐度的調節器；作為酶類，它們催化并且協調細胞的新陳代謝過程；在信號級聯放大過程中，它們作為內部、外部的刺激因子激活其他的蛋白質。所有這些過程都表明它們可以導致蛋白質相互作用和合成物的形成或者終止。

當前，我們手中的數據還無法解釋這些詳細情況，但是，我們能夠逐步認識到，在某種相互作用實現之前，需要發生某種翻譯后修飾，如磷酸化過程。隨著試驗方法的不斷進步，我們能夠收集并分析定時、定量，特定環境下的蛋白質相互作用數據。

研究人員通常利用蛋白質相互作用網絡在系統數據中的分析，代替蛋白質-蛋白質相互作用網絡及其動力學分析的定量和定時的方法。通常，蛋白質相互作用網絡中的節點，用于解釋表達數據、敲除或抑制表型數據，以及基因語義注釋。這種功能數據與網絡數據的組合體，能影響細胞表型中的額外基因，或者對沒有進行分析的表型進行預測。

當調查復雜表型，并且是很難研究的表型，如人類時，這點尤為重要。最近，蛋白質-蛋白質相互作用網絡研究重點分析已知與某種人類疾病有關的相互作用。即使這些相互作用本身并不會在表型調節中用到，追蹤它們也有利于有關的生物學系統元件研究。此外，這些相互作用知識，還可以為小型生物學系統的研究，如信號途經，壓力應答機制、細胞運動性，提供實驗的和理論的分析依據。

在蛋白質-蛋白質相互作用的進化研究中，也可采用這種更詳細的分析解決方法。整體分析只能發現一些普遍并且脆弱的內容，很難用統計學進行確定。然而，最近對bZIP轉錄因子家族的分析，使對蛋白質相互作用進化的詳細分析達到了前所未有的高度。蛋白質-蛋白質相互作用對生物學的重要性不言而喻，如壓力應答、宿主-寄生蟲相互作用。為了測試模式生物以及與人類疾病有關的、發育和信號過程機械論假設，我們將看到更多小型但是高度特異性的蛋白質-蛋白質相互作用集合分析。

結論

當前，蛋白質相互作用數據集重點關注的是數據質量和數量的權衡問題。蛋白質-蛋白質相互作用數據仍然不完善，并且備受高錯誤率的困擾。然而，只要我們小心謹慎，并且采用先進的統計學方法，我們就能有效的利用這些信息。雖然目前來看，對于真正的相互作用組來說，它們只提供有限的性狀描述，但從長遠看，它們會提供更多可靠的、有用的信息。將來，研究模式生物相互作用組的關鍵步驟是：將蛋白質-蛋白質，蛋白質-DNA以及蛋白質-小分子相互作用整合在一起研究。