一种用于阐明蛋白质相似性网络中家族间关系的网络过滤协议
定量方法
2014-08-13 v1
摘要
动机：研究多样的酶超家族可以为蛋白质序列、结构和功能之间的关系提供重要见解。然而，在一个庞大且多样的超家族中发现这些关系往往具有挑战性。当代的相似性网络可视化技术允许研究人员将序列相似性信息聚合为单一的全局视图。网络可视化提供了超家族内功能多样性的定性估计，但无法量化序列空间中相邻家族之间（如果存在）的明确边界。这限制了现有基于序列的算法从超家族数据集中生成功能预测的潜力。结果：基于当前的网络分析工具，我们开发了一种新算法，用于阐明序列数据集中同源家族对。我们的算法能够过滤密集的相似性网络，以估计单个家族的边界以及家族之间的邻接关系。从全局来看，这些相邻家族定义了整个超家族的拓扑结构。通过可视化由我们的过滤协议生成的网络输出，该拓扑结构易于解释。我们将激酶超家族内的网络拓扑与可用的系统发育数据进行了比较。我们的结果表明，与更远的网络簇相比，过滤后的激酶网络中的邻居更有可能共享结构和功能特性。
引用
@article{arxiv.1408.2575,
title = {A Network Filtration Protocol for Elucidating Relationships between Families in a Protein Similarity Network},
author = {Leonard Apeltsin},
journal= {arXiv preprint arXiv:1408.2575},
year = {2014}
}