• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

通过有向图分析的蛋白质-蛋白质相互作用数据的覆盖范围和误差模型

Coverage and error models of protein-protein interaction data by directed graph analysis.

作者信息

Chiang Tony, Scholtens Denise, Sarkar Deepayan, Gentleman Robert, Huber Wolfgang

机构信息

EMBL, European Bioinformatics Institute, Wellcome Trust Genome Campus, Hinxton, Cambridge, CB10 1SD, UK.

出版信息

Genome Biol. 2007;8(9):R186. doi: 10.1186/gb-2007-8-9-r186.

DOI:10.1186/gb-2007-8-9-r186
PMID:17845715
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC2375024/
Abstract

Using a directed graph model for bait to prey systems and a multinomial error model, we assessed the error statistics in all published large-scale datasets for Saccharomyces cerevisiae and characterized them by three traits: the set of tested interactions, artifacts that lead to false-positive or false-negative observations, and estimates of the stochastic error rates that affect the data. These traits provide a prerequisite for the estimation of the protein interactome and its modules.

摘要

我们使用针对诱饵-猎物系统的有向图模型和多项误差模型，评估了酿酒酵母所有已发表的大规模数据集中的误差统计数据，并通过三个特征对其进行了表征：测试的相互作用集、导致假阳性或假阴性观察结果的人为因素，以及影响数据的随机误差率估计。这些特征为蛋白质相互作用组及其模块的估计提供了前提条件。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/3efce9401d4d/gb-2007-8-9-r186-7.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/488b4f9e1f98/gb-2007-8-9-r186-1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/434298f9cf25/gb-2007-8-9-r186-2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/5b08157f938b/gb-2007-8-9-r186-3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/6966b489fc40/gb-2007-8-9-r186-4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/3bc231e1e69d/gb-2007-8-9-r186-5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/fbd150c17901/gb-2007-8-9-r186-6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/3efce9401d4d/gb-2007-8-9-r186-7.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/488b4f9e1f98/gb-2007-8-9-r186-1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/434298f9cf25/gb-2007-8-9-r186-2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/5b08157f938b/gb-2007-8-9-r186-3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/6966b489fc40/gb-2007-8-9-r186-4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/3bc231e1e69d/gb-2007-8-9-r186-5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/fbd150c17901/gb-2007-8-9-r186-6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/7847/2375024/3efce9401d4d/gb-2007-8-9-r186-7.jpg

相似文献

1
Coverage and error models of protein-protein interaction data by directed graph analysis.通过有向图分析的蛋白质-蛋白质相互作用数据的覆盖范围和误差模型
Genome Biol. 2007;8(9):R186. doi: 10.1186/gb-2007-8-9-r186.
2
Are scale-free networks robust to measurement errors?无标度网络对测量误差具有鲁棒性吗？
BMC Bioinformatics. 2005 May 16;6:119. doi: 10.1186/1471-2105-6-119.
3
Estimating the parameters of a model for protein-protein interaction graphs.估计蛋白质-蛋白质相互作用图模型的参数。
Math Med Biol. 2006 Dec;23(4):279-95. doi: 10.1093/imammb/dql018. Epub 2006 Jul 20.
4
Estimating node degree in bait-prey graphs.估计诱饵-猎物图中的节点度。
Bioinformatics. 2008 Jan 15;24(2):218-24. doi: 10.1093/bioinformatics/btm565. Epub 2007 Nov 19.
5
AVID: an integrative framework for discovering functional relationships among proteins.AVID：一个用于发现蛋白质间功能关系的综合框架。
BMC Bioinformatics. 2005 Jun 1;6:136. doi: 10.1186/1471-2105-6-136.
6
Revealing biological modules via graph summarization.通过图摘要揭示生物模块。
J Comput Biol. 2009 Feb;16(2):253-64. doi: 10.1089/cmb.2008.11TT.
7
Exploration of the omics evidence landscape: adding qualitative labels to predicted protein-protein interactions.组学证据全景探索：为预测的蛋白质-蛋白质相互作用添加定性标签。
Genome Biol. 2007;8(9):R197. doi: 10.1186/gb-2007-8-9-r197.
8
Computational verification of protein-protein interactions by orthologous co-expression.通过直系同源共表达对蛋白质-蛋白质相互作用进行计算验证。
BMC Bioinformatics. 2005 Mar 2;6:40. doi: 10.1186/1471-2105-6-40.
9
A computational approach for ordering signal transduction pathway components from genomics and proteomics Data.一种从基因组学和蛋白质组学数据中对信号转导通路成分进行排序的计算方法。
BMC Bioinformatics. 2004 Oct 25;5:158. doi: 10.1186/1471-2105-5-158.
10
Evaluation of clustering algorithms for protein-protein interaction networks.蛋白质-蛋白质相互作用网络聚类算法的评估
BMC Bioinformatics. 2006 Nov 6;7:488. doi: 10.1186/1471-2105-7-488.

引用本文的文献

1
Mapping protein-protein interactions by mass spectrometry.通过质谱法绘制蛋白质-蛋白质相互作用图谱。
Mass Spectrom Rev. 2024 May 14. doi: 10.1002/mas.21887.
2
Overview of methods for characterization and visualization of a protein-protein interaction network in a multi-omics integration context.多组学整合背景下蛋白质-蛋白质相互作用网络的表征与可视化方法概述。
Front Mol Biosci. 2022 Sep 8;9:962799. doi: 10.3389/fmolb.2022.962799. eCollection 2022.
3
Integrated network analysis reveals new genes suggesting COVID-19 chronic effects and treatment.

本文引用的文献

1
IntAct--open source resource for molecular interaction data.IntAct——分子相互作用数据的开源资源。
Nucleic Acids Res. 2007 Jan;35(Database issue):D561-5. doi: 10.1093/nar/gkl958. Epub 2006 Dec 1.
2
Using GOstats to test gene lists for GO term association.使用GOstats测试基因列表与GO术语的关联性。
Bioinformatics. 2007 Jan 15;23(2):257-8. doi: 10.1093/bioinformatics/btl567. Epub 2006 Nov 10.
3
The effects of incomplete protein interaction data on structural and evolutionary inferences.不完整蛋白质相互作用数据对结构和进化推断的影响。
综合网络分析揭示新基因提示 COVID-19 慢性影响和治疗。
Brief Bioinform. 2021 Mar 22;22(2):1430-1441. doi: 10.1093/bib/bbaa417.
4
Protein-Protein Interactions in Virus-Host Systems.病毒-宿主系统中的蛋白质-蛋白质相互作用
Front Microbiol. 2017 Aug 17;8:1557. doi: 10.3389/fmicb.2017.01557. eCollection 2017.
5
Going the distance for protein function prediction: a new distance metric for protein interaction networks.为蛋白质功能预测全力以赴：一种用于蛋白质相互作用网络的新距离度量
PLoS One. 2013 Oct 23;8(10):e76339. doi: 10.1371/journal.pone.0076339. eCollection 2013.
6
Multiple genetic interaction experiments provide complementary information useful for gene function prediction.多项遗传交互实验提供了互补的信息，有助于基因功能预测。
PLoS Comput Biol. 2012;8(6):e1002559. doi: 10.1371/journal.pcbi.1002559. Epub 2012 Jun 21.
7
Diversity in genetic in vivo methods for protein-protein interaction studies: from the yeast two-hybrid system to the mammalian split-luciferase system.蛋白质-蛋白质相互作用研究的遗传体内方法的多样性：从酵母双杂交系统到哺乳动物分裂荧光素酶系统。
Microbiol Mol Biol Rev. 2012 Jun;76(2):331-82. doi: 10.1128/MMBR.05021-11.
8
Computational and informatics strategies for identification of specific protein interaction partners in affinity purification mass spectrometry experiments.计算和信息学策略在亲和纯化质谱实验中鉴定特定蛋白质相互作用伙伴。
Proteomics. 2012 May;12(10):1639-55. doi: 10.1002/pmic.201100537.
9
Towards a rigorous network of protein-protein interactions of the model sulfate reducer Desulfovibrio vulgaris Hildenborough.建立模式硫酸盐还原菌脱硫弧菌 Hildenborough 的严格蛋白质相互作用网络。
PLoS One. 2011;6(6):e21470. doi: 10.1371/journal.pone.0021470. Epub 2011 Jun 28.
10
From evidence to inference: probing the evolution of protein interaction networks.从证据到推断：探究蛋白质相互作用网络的进化
HFSP J. 2009 Oct;3(5):290-306. doi: 10.2976/1.3167215. Epub 2009 Oct 19.
BMC Biol. 2006 Nov 3;4:39. doi: 10.1186/1741-7007-4-39.
4
The elusive yeast interactome.难以捉摸的酵母相互作用组。
Genome Biol. 2006;7(6):223. doi: 10.1186/gb-2006-7-6-223.
5
Capturing cellular machines by systematic screens of protein complexes.通过对蛋白质复合物进行系统筛选来捕获细胞机器。
Trends Microbiol. 2006 Aug;14(8):336-9. doi: 10.1016/j.tim.2006.06.002. Epub 2006 Jun 16.
6
Mass spectrometry and protein analysis.质谱分析与蛋白质分析。
Science. 2006 Apr 14;312(5771):212-7. doi: 10.1126/science.1124619.
7
Global landscape of protein complexes in the yeast Saccharomyces cerevisiae.酿酒酵母中蛋白质复合物的全球格局。
Nature. 2006 Mar 30;440(7084):637-43. doi: 10.1038/nature04670. Epub 2006 Mar 22.
8
Proteome survey reveals modularity of the yeast cell machinery.蛋白质组研究揭示酵母细胞机制的模块化特性。
Nature. 2006 Mar 30;440(7084):631-6. doi: 10.1038/nature04532. Epub 2006 Jan 22.
9
Sampling properties of random graphs: the degree distribution.随机图的抽样性质：度分布
Phys Rev E Stat Nonlin Soft Matter Phys. 2005 Sep;72(3 Pt 2):036118. doi: 10.1103/PhysRevE.72.036118. Epub 2005 Sep 19.
10
Towards a proteome-scale map of the human protein-protein interaction network.迈向人类蛋白质-蛋白质相互作用网络的蛋白质组规模图谱。
Nature. 2005 Oct 20;437(7062):1173-8. doi: 10.1038/nature04209. Epub 2005 Sep 28.