The invention provides a method for predicting the drug resistance of target PPIs based on protein interaction network, which at least includes the following steps: S1: detecting the interaction relationship of the interaction protein domain in PPI network; S2: detecting the drug small molecule binding pocket on the surface of the interaction protein in PPI network; S3: obtaining the go functional similarity score of the interaction protein in PPI network; S4: screening out the following conditions at the same time PPIs as the target of drug therapy: there is domain interaction between protein interaction pairs; there is small molecule drug binding pocket on at least one protein surface in protein interaction pairs; at least two kinds of go functional categories of protein interaction pairs have significant similarity, and the go functional categories include go BP, go MF and go CC. At the same time, the invention adopts strict three mutually independent standards to comprehensively explore and discover the target PPI, systematically eliminates the false positive interaction, selects more reliable PPIs as the drug target, and the calculation results are more in line with the objective reality.
【技术实现步骤摘要】
基于蛋白互作网络的靶点PPIs可药性预测方法及装置
本专利技术涉及生物信息学领域,特别是涉及一种基于蛋白互作网络的靶点PPIs可药性预测方法及装置。
技术介绍
自从人类基因组测序项目完成以来,人们提出了各种各样的计算机方法来评估所有尚未被药物靶向的人类蛋白质的可药性,并发现新的药物靶标蛋白。这些方法使用了已知目标蛋白的功能、配体相关和物理化学性质的“组学”数据。具有酶活性并参与细胞信号传导的蛋白质是新药研发的热门靶点,基于酶活性在信号传递中的重要作用,寻找特异性针对酶活性的抑制剂或激活剂已成为新药开发的研究热点,一批很有效的药物或药物先导物已经出现。但是鉴于酶活性除了参与病理过程外也参与到正常的生理过程中,使这些药物的临床应用受到很大限制,因为这些药物除了抑制病理过程外,也影响到正常生理过程,产生很大的副作用。在生物体中,大多数蛋白质都是通过与其它蛋白的相互作用来显示其生物学功能,许多关键的细胞功能包括细胞生长、DNA复制、转录活性、翻译和跨膜信号转导都由多蛋白质复合物调控,而这种蛋白质复合物的功能、活性和特殊性通常由发生于不同复合物亚单元之间的蛋白质-蛋白质相互作用控制。PPIs在生物体的各种细胞过程中起着基础和关键的作用,有研究已经证明异常的PPIs能引发包括癌症、感染疾病和神经退行性疾病等多种人类疾病。因此,蛋白质-蛋白质相互作用(PPIs)对于小分子药物干预治疗人类疾病来说是一个很有吸引力的靶点。先前关于药物靶向PPIs研究中,针对的PPI大多数都是研究者根据自己的兴趣而任意选择的,很少有基于 ...
【技术保护点】
1.一种基于蛋白互作网络的靶点PPIs可药性预测方法,所述方法至少包括以下步骤:/nS1:检测PPI网络中互作蛋白结构域的互作关系;/nS2:探测PPI网络中互作蛋白表面的药物小分子结合口袋;/nS3:获得PPI网络中互作蛋白的GO功能相似性分值;/nS4:筛选出同时满足以下条件的PPIs作为药物治疗靶点:/ni)蛋白互作关系对存在结构域互作;/nii)蛋白互作关系对中,至少有一个蛋白表面存在小分子药物结合口袋;/niii)蛋白互作关系对的互作蛋白的GO功能类别中,至少两类具有显著相似性,所述GO功能类别包括GO BP、GO MF和GO CC。/n
【技术特征摘要】
1.一种基于蛋白互作网络的靶点PPIs可药性预测方法,所述方法至少包括以下步骤:
S1:检测PPI网络中互作蛋白结构域的互作关系;
S2:探测PPI网络中互作蛋白表面的药物小分子结合口袋;
S3:获得PPI网络中互作蛋白的GO功能相似性分值;
S4:筛选出同时满足以下条件的PPIs作为药物治疗靶点:
i)蛋白互作关系对存在结构域互作;
ii)蛋白互作关系对中,至少有一个蛋白表面存在小分子药物结合口袋;
iii)蛋白互作关系对的互作蛋白的GO功能类别中,至少两类具有显著相似性,所述GO功能类别包括GOBP、GOMF和GOCC。
2.如权利要求1所述的基于蛋白互作网络的靶点PPIs可药性预测方法,其特征在于,所述步骤S1采用下列方法检测PPI网络中互作蛋白结构域的互作关系:
1)将PPI网络中所有蛋白对应的氨基酸序列作为输入,基于蛋白结构域家族数据库,确定各蛋白的结构域;
2)将蛋白互作关系对中的互作蛋白的所有结构域两两组合作为输入,基于结构域互作关系数据库,检测互作蛋白的结构域是否已知或被预测为互作关系。
3.如权利要求2所述的基于蛋白互作网络的靶点PPIs可药性预测方法,其特征在于,步骤1)中,所述蛋白结构域家族数据库选自Pfam数据库;优选的,基于Pfam数据库,首先搜索PPI网络中所有蛋白的结构域;当搜索不到时,使用HMMPFAM程序基于”隐马尔可夫模型”在Pfam数据库中挖掘Pfam-A和Pfam-B域,参数设置为-E0.1-domE0.1,若探测到的结构域序列长度小于10,则予以排除。
4.如权利要求1所述的基于蛋白互作网络的靶点PPIs可药性预测方法,其特征在于,所述步骤S2采用下列方法探测PPI网络中互作蛋白表面的药物小分子结合口袋:
3)将PPI网络中所有蛋白对应的氨基酸序列作为输入,基于蛋白质结构数据库,进行三级结构比对,筛选具有三级结构的蛋白;
4)根据小分子药物结合口袋的口袋体积和疏水氨基酸残基的数量,在具有三级结构的蛋白中,探测具有小分子药物结合口袋的蛋白。
5.如权利要求4所述的基于蛋白互作网络的靶点PPIs可药性预测方法,其特征在于,还包括以下特征中的一项或多项:
a.步骤3)中,所述蛋白质结构数据库选自PDB蛋白质结构数据库;
b.步骤3)中,通过BLASTP程序,程序参数设置为:-FF;-e0.001,然后定义如下标准:序列一致性≥90%,覆盖度≥90%,序列长度≥50,符合这三个标准的蛋白被认为具有与蛋白质结构数据库中蛋白相似一致性三级结构;所述覆盖度是指查询序列的一致性部分长度/查询序列总长度;
c.步骤4)中,所述小分子药物结合口袋的疏水氨基酸残基的数量为构成口袋内氨基酸侧链的原子数或口袋内的疏水原子数。
6.如权利要求5所述的基于蛋白互作网络的靶点PPIs可药性预测方法,其特征在于,特征c中,分别利用CASTp和MOEAlphaSiteFinder口袋搜索算法,对具有三级结构的蛋白进行药物小分子结合口袋挖掘;挖掘条件:对于CASTp算法:口袋体积设为v,满足对于MOEAlphaSiteFinder算法:构成口袋内氨基酸侧链的原子数≥37或者口袋内的疏水原子数为≥22,若满足所有挖掘条件,则作为具有小分子药物结合口袋的蛋白。
7.如权利要求1所述的基于蛋白互作网络的靶点PPIs可药性预测方法,其特征在于,还包括以下特征中的一项或多项:
d.所述步骤S3采用下列方法获得PPI网络中互作蛋白的GO功能相似性分值:
5)对PPI网络中的蛋白进行GO功能注释,统计互作蛋白共享的GO功能注释的数量;
6)按照公式(I)计算任意两个蛋白互作关系对之间,三类GO功能:GOBP、GOMF、GOCC的相似性分值,依次为SiP、SiF、SiC;
其中,Lj表示位于GO系统等级中的第j个水平,Lj=1,2,....,最高水平Lj=1;nij表示待测互作蛋白i的对应两个蛋白在第j个水平共享的一致GO功能注释的数量;
e.所述步骤S4的条件iii)中,随机选取若干个蛋白,以其相似性分值的频率分布来估计PPI网络中互作蛋白的GO功能相似性分值理论上出现的概率,即期望值,其次通过PPI网络中互作蛋白的GO功能相似性分值实际出现的概率,即观测值,分析期望值和观测值的差距,基于Fisher’s精确检验算法得到显著性p.value值,从而找到具有显著相似GO功能的互作蛋白。
8.一种基于蛋白互作网络的靶点PPIs可药性预测装置,其特征在于,所述装置包括:
结构域互作关系检测模块,用于检测PPI网络中互作蛋白结构域的互作关系;
药物小分子结合口袋探测模块,用于探测PPI网络中互作蛋白表面的药物小分子结合口袋;
GO功能相似性分值获得模块,用于获得PPI网络中互作蛋白的GO功能相似性分值;
筛选模块,用于筛选出同时满足以下条件的PPIs作为药物治疗靶点:
i)蛋白互作关系对存在结构域互作...
【专利技术属性】
技术研发人员:桑运霞,左冰云,阚海亮,宋青芳,
申请(专利权)人:上海源兹生物科技有限公司,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。