جستجوي پيشرفته | کتابخانه مجازی الفبا

کشف کمپلکس‌ها‎‎ی پروتئین‎‎ در شبکه‌های‎‎ برهمکنش پروتئینی یکی از مسائل مهم در زیست‌شناسی محاسباتی است.‎‎ ‎‎روش‌‌های‎‎ محاسباتی ‎‎موجود برای کشف کمپلکس‌ها‎‎ عمدتا‎‎ً بر شبکه‌ها‎‎ی برهمکنش پروتئینی ایستا اعمال می‌شو‎‎ند. درحالی‌که‎‎، پروتئین‌ها‎‎ و ‎‎برهمکنش بین آن‌ها‎‎ در واقعیت ماهیت پویا دارند. در این پایان‌نا‎‎مه‏، کشف کمپلکس‌ها‎‎ی پروتئینی پویا در دو فاز صورت می‌گیرد.‎‎ ‎‎فاز اول‎‎‏، مربوط به شناسایی هسته‌ها‎‎ی کمپلکس‌ پروتئینی است. در این فاز با استفاده از داده‌های‎‎ شبکه‌ی‎‎ برهمکنش پروتئینی و داده‌ها‌ی سری‌ زمانی بیان ژن، هسته‌ها‎ ‎تعیین‎ می‌شوند. تعیین هسته‌ها با شروع از پروتئین‌هایی است که دارای حداقل پویایی در داده‌های سری زمانی هستند و سپس این دانه‌ها با در نظر گرفتن چگالی مناسب زیر گراف حاصل‏، گسترش می‌یابند. در نهایت با استفاده از ساختار هستی‌شناسی‏، هسته‌های اولیه غربال می‌شوند. در فاز دوم‏، کمپلکس‌های‎‎ پروتئین نهایی از گسترش هسته‌ها‎‎ ایجاد می‌شوند ‎‎‎که این گسترش با افزودن پروتئین‌های الحاقی صورت می گیرد.پروتئین‌های الحاقی از میان خوشه‌هایی انتخاب می‌شوند که از برهمکنش‎‎‎‌های پروتئین‌های‎‎ پویا‏ی هر یک از فازهای چرخه‌ی‎‎ سلولی‏، تشکیل شده‌اند. در پایان، کمپلکس‌ها‎‎ی پروتئین نهایی‎‎ با کمپلکس‌ها‎‎ی پروتئین تولید شده به روش تصادفی مقایسه‎‎ و نتایج ارزیابی می‌شوند.

پروتئین‌ها‎ مولکول‌های زیستی پراهمیتی هستند که فعالیت‌های مختلفی را در بدن موجودات زنده انجام می‌دهند. آن‌ها معمولا برای انجام فعالیت‌های خود به یکدیگر متصل می‌شوند یا به اصطلاح با یکدیگر برهمکنش‏‎ دارند. یک شبکه‌ی برهمکنش پروتئین‎، در یک گونه‌ی خاص از جانداران پروتئین‌های آن گونه و برهمکنش بین آن‌ها را نشان می‌دهد.یک کمپلکس پروتئینی‎، اجتماعی از پروتئین‌ها است که باهم برهمکنش داشته و عمل زیستی خاصی را انجام می‌دهند. مسأله‌ی کشف این کمپلکس‌ها در شبکه‌های برهمکنش پروتئین، در دهه‌ی اخیر بسیار مورد توجه محققین بوده است. از سال ‎2002‎ تا کنون روش‌های بسیاری با رویکردهای گوناگون برای حل این مسأله ارائه شده است. معمولا در این روش‌ها شبکه‌های برهمکنش پروتئین با استفاده از گرا‏ف‎‎‎ مدل شده و زیرگراف‌های چگال‎ به عنوان کمپلکس‌های پروتئین در نظر گرفته می‌شوند. برهمین اساس تقریبا‏ً تمامی این روشها ‎‎‏مبتنی بر مفاهیم نظریه‌ی گراف می‌باشند.روش‌هایی که تنها با استفاده از مفاهیم نظریه‌ی گراف سعی در حل مسأله دارند به دلیل نادیده گرفتن جنبه‌های زیستی آن‏، معمولاً دقت بالایی ندارند. به همین دلیل در سال‌های اخیر محققیقن تلاش کرده‌اند تا با دخالت دادن برخی اطلاعات زیستی، الگوریتم‌های بهتری را ارائه دهند. با توجه به نوع مفاهیم زیستی به کار رفته، این روش‌ها به چهار گروه زیر دسته بندی می‌شوند:1.