• 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

基于 GO 的多种网络对齐新方法。

New GO-based measures in multiple network alignment.

机构信息

Department of Computer Science, University of California, Irvine, CA 92697-3435, United States.

Department of Computer Engineering, Sharif University of Technology, Tehran 1458889694, Iran.

出版信息

Bioinformatics. 2024 Aug 2;40(8). doi: 10.1093/bioinformatics/btae476.

DOI:10.1093/bioinformatics/btae476
PMID:39082966
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11310457/
Abstract

MOTIVATION

Protein-protein interaction (PPI) networks provide valuable insights into the function of biological systems. Aligning multiple PPI networks may expose relationships beyond those observable by pairwise comparisons. However, assessing the biological quality of multiple network alignments is a challenging problem.

RESULTS

We propose two new measures to evaluate the quality of multiple network alignments using functional information from Gene Ontology (GO) terms. When aligning multiple real PPI networks across species, we observe that both measures are highly correlated with objective quality indicators, such as common orthologs. Additionally, our measures strongly correlate with an alignment's ability to predict novel GO annotations, which is a unique advantage over existing GO-based measures.

AVAILABILITY AND IMPLEMENTATION

The scripts and the links to the raw and alignment data can be accessed at https://github.com/kimiayazdani/GO_Measures.git.

摘要

动机

蛋白质-蛋白质相互作用（PPI）网络为了解生物系统的功能提供了有价值的见解。对齐多个 PPI 网络可以揭示出通过两两比较观察不到的关系。然而，评估多个网络对齐的生物学质量是一个具有挑战性的问题。

结果

我们提出了两种新的度量标准，用于使用来自基因本体论（GO）术语的功能信息评估多个网络对齐的质量。当在跨物种的多个真实 PPI 网络上进行对齐时，我们观察到这两个度量标准都与客观质量指标高度相关，例如常见的直系同源物。此外，我们的度量标准与对齐预测新 GO 注释的能力强烈相关，这是与现有基于 GO 的度量标准相比的独特优势。

可用性和实现

脚本以及原始和对齐数据的链接可在 https://github.com/kimiayazdani/GO_Measures.git 上访问。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/e50b54b48d88/btae476f9.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/130d947d916f/btae476f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/25637ed30ee3/btae476f2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/e886e8f11a0a/btae476f3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/d89f67593a5d/btae476f4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/c43f70492316/btae476f5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/ee9f8f643339/btae476f6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/8d2aadbf473e/btae476f7.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/1ce2501a24ed/btae476f8.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/e50b54b48d88/btae476f9.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/130d947d916f/btae476f1.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/25637ed30ee3/btae476f2.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/e886e8f11a0a/btae476f3.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/d89f67593a5d/btae476f4.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/c43f70492316/btae476f5.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/ee9f8f643339/btae476f6.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/8d2aadbf473e/btae476f7.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/1ce2501a24ed/btae476f8.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/5efd/11310457/e50b54b48d88/btae476f9.jpg

相似文献

1
New GO-based measures in multiple network alignment.基于 GO 的多种网络对齐新方法。
Bioinformatics. 2024 Aug 2;40(8). doi: 10.1093/bioinformatics/btae476.
2
SANA NetGO: a combinatorial approach to using Gene Ontology (GO) terms to score network alignments.SANA NetGO：一种使用基因本体论（GO）术语对网络比对进行评分的组合方法。
Bioinformatics. 2018 Apr 15;34(8):1345-1352. doi: 10.1093/bioinformatics/btx716.
3
Joint Alignment of Multiple Protein-Protein Interaction Networks via Convex Optimization.通过凸优化实现多个蛋白质-蛋白质相互作用网络的联合比对
J Comput Biol. 2016 Nov;23(11):903-911. doi: 10.1089/cmb.2016.0025. Epub 2016 Jul 18.
4
SANA: cross-species prediction of Gene Ontology GO annotations via topological network alignment.SANA：通过拓扑网络比对进行跨物种基因本体论 GO 注释的预测。
NPJ Syst Biol Appl. 2022 Jul 20;8(1):25. doi: 10.1038/s41540-022-00232-x.
5
From communities to protein complexes: A local community detection algorithm on PPI networks.从社区到蛋白质复合物：PPI 网络上的局部社区检测算法。
PLoS One. 2022 Jan 27;17(1):e0260484. doi: 10.1371/journal.pone.0260484. eCollection 2022.
6
DualAligner: a dual alignment-based strategy to align protein interaction networks.双对齐策略：一种基于双重对齐的蛋白质相互作用网络对齐策略。
Bioinformatics. 2014 Sep 15;30(18):2619-26. doi: 10.1093/bioinformatics/btu358. Epub 2014 May 28.
7
L-GRAAL: Lagrangian graphlet-based network aligner.L-GRAAL：基于拉格朗日图元的网络对齐工具。
Bioinformatics. 2015 Jul 1;31(13):2182-9. doi: 10.1093/bioinformatics/btv130. Epub 2015 Feb 28.
8
Exact p-values for global network alignments via combinatorial analysis of shared GO terms : REFANGO: Rigorous Evaluation of Functional Alignments of Networks using Gene Ontology.通过共享 GO 术语的组合分析进行全局网络比对的确切 p 值：REFANGO：使用基因本体论对网络的功能比对进行严格评估。
J Math Biol. 2024 Mar 29;88(5):50. doi: 10.1007/s00285-024-02058-z.
9
A multiobjective memetic algorithm for PPI network alignment.一种用于蛋白质相互作用网络比对的多目标进化算法。
Bioinformatics. 2015 Jun 15;31(12):1988-98. doi: 10.1093/bioinformatics/btv063. Epub 2015 Feb 9.
10
Fuse: multiple network alignment via data fusion.Fuse：通过数据融合进行多重网络比对。
Bioinformatics. 2016 Apr 15;32(8):1195-203. doi: 10.1093/bioinformatics/btv731. Epub 2015 Dec 14.

本文引用的文献

1
Exact p-values for global network alignments via combinatorial analysis of shared GO terms : REFANGO: Rigorous Evaluation of Functional Alignments of Networks using Gene Ontology.通过共享 GO 术语的组合分析进行全局网络比对的确切 p 值：REFANGO：使用基因本体论对网络的功能比对进行严格评估。
J Math Biol. 2024 Mar 29;88(5):50. doi: 10.1007/s00285-024-02058-z.
2
On the current failure-but bright future-of topology-driven biological network alignment.拓扑驱动的生物网络比对的当前失败——但光明的未来。
Adv Protein Chem Struct Biol. 2022;131:1-44. doi: 10.1016/bs.apcsb.2022.05.005. Epub 2022 Jun 30.
3
SANA: cross-species prediction of Gene Ontology GO annotations via topological network alignment.
SANA：通过拓扑网络比对进行跨物种基因本体论 GO 注释的预测。
NPJ Syst Biol Appl. 2022 Jul 20;8(1):25. doi: 10.1038/s41540-022-00232-x.
4
MPGM: Scalable and Accurate Multiple Network Alignment.MPGM：可扩展且精确的多重网络比对。
IEEE/ACM Trans Comput Biol Bioinform. 2020 Nov-Dec;17(6):2040-2052. doi: 10.1109/TCBB.2019.2914050. Epub 2020 Dec 8.
5
IID 2018 update: context-specific physical protein-protein interactions in human, model organisms and domesticated species.IID 2018 更新：人类、模式生物和驯养物种中特定于上下文的物理蛋白质-蛋白质相互作用。
Nucleic Acids Res. 2019 Jan 8;47(D1):D581-D589. doi: 10.1093/nar/gky1037.
6
Multiple Network Alignment via MultiMAGNA+.多网络比对分析方法 MultiMAGNA+。
IEEE/ACM Trans Comput Biol Bioinform. 2018 Sep-Oct;15(5):1669-1682. doi: 10.1109/TCBB.2017.2740381. Epub 2017 Aug 21.
7
The BioGRID interaction database: 2017 update.生物通用互作数据库：2017年更新版。
Nucleic Acids Res. 2017 Jan 4;45(D1):D369-D379. doi: 10.1093/nar/gkw1102. Epub 2016 Dec 14.
8
Fuse: multiple network alignment via data fusion.Fuse：通过数据融合进行多重网络比对。
Bioinformatics. 2016 Apr 15;32(8):1195-203. doi: 10.1093/bioinformatics/btv731. Epub 2015 Dec 14.
9
Topology-function conservation in protein-protein interaction networks.蛋白质-蛋白质相互作用网络中的拓扑结构-功能保守性
Bioinformatics. 2015 May 15;31(10):1632-9. doi: 10.1093/bioinformatics/btv026. Epub 2015 Jan 20.
10
Determining effects of non-synonymous SNPs on protein-protein interactions using supervised and semi-supervised learning.使用监督学习和半监督学习确定非同义单核苷酸多态性对蛋白质-蛋白质相互作用的影响。
PLoS Comput Biol. 2014 May 1;10(5):e1003592. doi: 10.1371/journal.pcbi.1003592. eCollection 2014 May.