[论文解读] Evolutionary dynamics of protein networks

Johannes Berg, Michael Lässig+1 more|arXiv (Cornell University)|Jul 30, 2002

Bioinformatics and Genomic Networks被引用 2

一句话总结

本研究利用大规模高通量数据集和基因复制事件作为进化追踪工具，分析酿酒酵母（Saccharomyces cerevisiae）中的蛋白质相互作用网络，以建模两个关键过程：基因复制和链接动态（通过突变导致的相互作用增益/丢失）。研究发现，链接动态（其具有不对称性且远快于复制）是塑造网络统计结构的主导力量，驱动了广泛的连接度分布以及相互作用蛋白间的连接度相关性。

ABSTRACT

The structure of molecular networks derives from dynamical processes on evolutionary time scales. For protein interaction networks, global statistical features of their structure can now be inferred consistently from several large-throughput datasets. Understanding the underlying evolutionary dynamics is crucial for discerning random parts of the network from biologically important properties shaped by natural selection. We present a detailed statistical analysis of the protein interactions in Saccharomyces cerevisiae based on several large-throughput datasets. Protein pairs resulting from gene duplications are used as tracers into the evolutionary past of the network. From this analysis, we infer rate estimates for two key evolutionary processes shaping the network: (i) gene duplications and (ii) gain and loss of interactions through mutations in existing proteins, which are referred to as link dynamics. Importantly, the link dynamics is asymmetric, i.e., the evolutionary steps are mutations in just one of the binding parters. The link turnover is shown to be much faster than gene duplications. According to this model, the link dynamics is the dominant evolutionary force shaping the statistical structure of the network, while the slower gene duplication dynamics mainly affects its size. Specifically, the model predicts (i) a broad distribution of the connectivities (i.e., the number of binding partners of a protein) and (ii) correlations between the connectivities of interacting proteins.

研究动机与目标

• 理解塑造蛋白质相互作用网络统计结构的进化力量。
• 区分随机网络特征与由自然选择塑造的特征。
• 量化基因复制与相互作用增益/丢失（链接动态）在网络进化中相对贡献。
• 研究蛋白质-蛋白质相互作用中链接动态的不对称性与速率。
• 建模进化过程如何产生观察到的网络特征，如连接度分布与相关性。

提出的方法

• 利用基因复制事件作为追踪工具，推断历史网络状态并估计进化速率。
• 对来自酿酒酵母（Saccharomyces cerevisiae）的多个大规模高通量蛋白质相互作用数据集进行统计分析。
• 该模型区分两种进化过程：基因复制与链接动态（由突变驱动的相互作用增益或丢失）。
• 将链接动态建模为非对称过程，即突变仅影响两个相互作用蛋白中的一个。
• 根据观察到的复制蛋白对分布与相互作用变化，推导出基因复制与链接周转的速率估计。
• 基于这些速率估计，模型预测网络特征，如连接度分布与蛋白间连接度相关性。

实验结果

研究问题

• RQ1 基因复制与链接动态在蛋白质相互作用网络结构组织中的相对贡献是什么？
• RQ2 在塑造网络进化方面，基因复制与链接周转的速率如何比较？
• RQ3 链接动态在其对蛋白质相互作用的进化影响中是否对称？
• RQ4 链接动态在多大程度上解释了酿酒酵母蛋白质网络中观察到的广泛连接度分布？
• RQ5 相互作用蛋白间的连接度相关性如何由进化过程产生？

主要发现

• 链接动态显著快于基因复制，使其成为塑造网络结构的主导进化力量。
• 链接动态的进化过程具有不对称性，即突变仅影响两个结合伙伴中的一个。
• 该模型成功预测了广泛的蛋白质连接度分布，与酿酒酵母（Saccharomyces cerevisiae）中的经验观察一致。
• 该模型再现了相互作用蛋白间连接度的相关性，表明链接动态驱动了这些结构特征。
• 基因复制主要影响网络规模，而非其统计结构，因为其发生速率远低于链接动态。
• 网络的统计结构主要由突变驱动的相互作用高周转率塑造，而非新基因的出现。