کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8416417 | 1545569 | 2018 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Detecting protein complexes based on a combination of topological and biological properties in protein-protein interaction network
ترجمه فارسی عنوان
شناسایی ترکیبات پروتئین براساس ترکیبی از ویژگیهای توپولوژیکی و بیولوژیکی در شبکهی تعامل پروتئین-پروتئین
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترکیب پروتئین، پیوستگی، شباهت معنایی، مشارکت
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1.مقدمه
2. زمینه
3. روش
4- ارزیابی عملکرد
4.1 نتایج در مجموعه داده مخمر
4.2. نتایج در مجموعه داده های HPRD
5. تجزیه و تحلیل مجموعه های PPI: یک چارچوب مفهومی
5.1. چارچوب تجزیه و تحلیل ژن مرکزی و مرکزی بیماری
5.2 برنامه ای برای بیماری آلزایمر
6. نتیجه گیری و کارهای آینده
کلمات کلیدی
1.مقدمه
2. زمینه
3. روش
4- ارزیابی عملکرد
4.1 نتایج در مجموعه داده مخمر
4.2. نتایج در مجموعه داده های HPRD
5. تجزیه و تحلیل مجموعه های PPI: یک چارچوب مفهومی
5.1. چارچوب تجزیه و تحلیل ژن مرکزی و مرکزی بیماری
5.2 برنامه ای برای بیماری آلزایمر
6. نتیجه گیری و کارهای آینده
ترجمه چکیده
نقش مهم ترکیبات پروتئینی در کنترل فعالیت سلولی در موجودات زنده اثبات شده است. شناسایی ترکیبات از تعامل پروتئین پروتئین (PPI) خام، حوزهی تحقیقاتی مهمی است. پژوهش اولیه بیشتر به مخمر محدود شده است. چنین روشهای شناسایی ترکیب پروتئین، هنگامی که بر روی PPIهای بزرگ انسانی اِعمال میشود، اغلب عملکرد ضعیفی دارند. ما روشی جدید به نام CSC را برای شناسایی ترکیبات پروتئین معرفی میکنیم. این روش از نظر ارزش اخباری مثبت، حساسیت و دقت، با استفاده از مجموعه دادههای ارگانیسم مدل، مخمر و انسانها ارزیابی میشود. CSC از تعدادی از الگوریتمهای رقیب برای هر دو ارگانیسم، عملکرد بهتری دارد. علاوه بر این، ما چارچوبی را برای تعیین سودمندی CSC در تجزیهوتحلیل تأثیر یک ژن بیماری خاص در یک ترکیب از نظر توپولوژیکی و همچنین از نظر بیولوژیکی، با در نظر داشتن هشت عامل اصلی ارتباط ارائه میدهیم.
موضوعات مرتبط
علوم زیستی و بیوفناوری
بیوشیمی، ژنتیک و زیست شناسی مولکولی
بیوتکنولوژی یا زیستفناوری
چکیده انگلیسی
Protein complexes are known to play a major role in controlling cellular activity in a living being. Identifying complexes from raw protein protein interactions (PPIs) is an important area of research. Earlier work has been limited mostly to yeast. Such protein complex identification methods, when applied to large human PPIs often give poor performance. We introduce a novel method called CSC to detect protein complexes. The method is evaluated in terms of positive predictive value, sensitivity and accuracy using the datasets of the model organism, yeast and humans. CSC outperforms several other competing algorithms for both organisms. Further, we present a framework to establish the usefulness of CSC in analyzing the influence of a given disease gene in a complex topologically as well as biologically considering eight major association factors.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Genetic Engineering and Biotechnology - Volume 16, Issue 1, June 2018, Pages 217-226
Journal: Journal of Genetic Engineering and Biotechnology - Volume 16, Issue 1, June 2018, Pages 217-226
نویسندگان
Pooja Sharma, D.K. Bhattacharyya, J.K. Kalita,