Interatômica

Origem: Wikipédia, a enciclopédia livre.
Ir para: navegação, pesquisa

Interatômica é uma disciplina que surge da intersecção de bioinformática e biologia, que lida com o estudo, tanto das interações entre as Proteínas e as conseqüências dessas interações, como também de outras moléculas dentro da célula.[1] Interatômica, portanto, tem por objetivo comparar tais redes de interações entre e dentro de espécies, a fim de descobrir como as características de tais redes variam, ou são preservadas.

Interatômica é um exemplo de biologia de sistemas top-down o que leva a uma sobrecarga, bem como em geral, a visualização de sistemas biológicos ou organismo. Grandes conjuntos de dados de todo o genoma, proteômica, e correlações entre os diferentes moléculas podem ser inferidos. A partir dos dados novas hipóteses são formuladas sobre o feedback entre estas moléculas. Estas hipóteses podem ser testadas por novos experimentos.

Em biologia molecular, Interatoma é todo o conjunto de interações moleculares que ocorre em uma determinada célula. O termo refere-se especificamente à interações físicas entre as moléculas (como aquelas entre proteínas, também conhecida como Interação proteína-proteína) mas também pode descrever conjuntos de interações indiretas entre genes (Integração genética), ainda indireta entre proteínas quando elas participam utilizando um substrato ou produto em uma via metabólica. A palavra "interatôma" foi originalmente criado em 1999 por um grupo de cientistas franceses liderado por Bernard Jacq.[2] Embora interatomas possam ser descritos como redes biológicas, eles não devem ser confundidos com outras redes, como redes neurais ou cadeias alimentares.

1. Rede de Interação[editar | editar código-fonte]

Rede interatomica de Arabidopsis thaliana (centro da imagem) e ao redor temos diferentes clusters envolvidos em processos biológicos específicos, dentro do sistema.

As rede interatômicas podem ser de diferentes tipos, podendo envolver diferentes grupos de biomoléculas: Interações moleculares podem ocorrer entre as moléculas pertencentes a diferentes grupos (proteínas, ácidos nucléicos, lipídios, carboidratos, etc.) e também dentro de um mesmo grupo. Sempre que tais moléculas são ligados por interações físicas, formam redes de interação molecular que são geralmente classificados pela natureza dos compostos envolvidos. Mais comumente, interatoma refere-se à interação proteína-proteína (IPP), ou subconjunto dos mesmos. Por exemplo, o Sirt-1 de proteína interatoma e Sirt família de segunda ordem interatoma [3][4] é a rede envolvendo Sirt-1, diretamente interagindo proteínas, onde, como interatoma de segunda ordem ilustra medicamentosas até segunda ordem de vizinhos (Vizinhos dos vizinhos). Outro tipo de interatoma extensivamente estudado é o do tipo proteína–DNA , também chamado de rede de regulamentação genica, uma rede formada por fatores de transcrição (proteínas regulatórias de cromatina) e os seus genes alvo. Mesmo redes metabólicas podem ser consideradas como redes de interação molecular: metabólitos, i.e. compostos químicos em uma célula, são convertidos em outros por enzimas, que tem que ligar seus substratos fisicamente.

Na verdade, todos os tipos de interatômas estão interligados. Por exemplo, um interatoma de proteína contém muitas enzimas, que por sua vez formam redes bioquímicas. Da mesma forma, redes de regulação gênica sobrepor-se substancialmente com a proteína de interação e redes de sinalização.

2. Rede de interação genética[editar | editar código-fonte]

Os Genes interagem no sentido de que eles afetam cada função. Por exemplo, uma mutação pode ser inofensiva, mas quando ele é combinado com outra mutação, a combinação pode vir a ser letal. Alguns dos objetivos dessas redes são: desenvolver um mapa funcional de processos de uma célula, interações identificação do alvo, e para prever a função de genes não caracterizados.

3. Métodos experimentais na determinação de interatômas[editar | editar código-fonte]

O estudo de interatomas é que chamos de interatomica. A unidade básica de uma proteína de rede é a de interação proteína–proteína (IPP). Enquanto existem vários métodos para o estudo de IPP, são relativamente poucos os que têm sido utilizados em larga escala para mapear todo o interatomas.

O sistema duplo hibrido (Y2H) é adequado para explorar a interação entre duas proteínas ao mesmo tempo. A imunoprecipitação e posterior a espectrometria de massa é uma técnica adequada para identificar interação entre complexos de proteínas. No sistema Y2H existe uma desvantagem de poder ocorrer a identificação de falsos positivos, pois podem encontra interação entre proteínas que não são expressas no mesma momento e nem na mesma sublocalização celular em contrapartida a captura por afinidade na espectrometria de massa não tem esta desvantagem, e é o atual "padrão-ouro" na identificação de interação entre moléculas, por indica melhoras as interações proteína–proteína em um sistema vivo.[5][6]

4. Métodos computacionais para o estudo de interatomas[editar | editar código-fonte]

Uma vez que um interatoma foi criado, existem inúmeras maneiras para analisar suas propriedades. No entanto, existem dois importantes objetivos de tais análises. Primeiro, os cientistas tentam explicar as propriedades dos sistemas, por exemplo, a topologia de suas interações. Segundo, os estudos podem concentrar-se em proteínas individuais e seu papel na rede. Tais análises são realizadas, principalmente, usando métodos de bioinformática, que incluem os seguintes métodos abaixo, entre muitos outros:

4.1. Predição de interações[editar | editar código-fonte]

Usando dados experimentais, como um ponto de partida, a transferência de interações por homologia  é uma forma de prever interatômas, para isso, a partir de uma rede de IPP de um organismo modelo, como saccharomyces cerevisiae, são utilizados para prever as interações entre proteínas homólogas em outro organismo, essas redes baseadas em homologia são chamadas de redes "interologas". No entanto, esta abordagem tem algumas limitações, principalmente porque os dados de origem podem não ser confiáveis (por exemplo, contém falsos positivos e falsos negativos).[7] Além disso, as proteínas e suas interações alterar durante a evolução e, portanto, pode ter sido perdido ou ganhado. No entanto, inúmeros interatômas ter sido previstos, por exemplo, que de Bacillus licheniformis.[8]

Alguns algoritmos utilizam a evidência experimental estruturais complexos, como detalhes da interfaces atômicas que pode prever a interação entre proteínas[9][10] , bem como outras interações entre proteínas-molécula.[11] [12] Outros algoritmos utilizam apenas informações de seqüência, para predizer as redes de interação usando domínios de interação ente as proteínas. Essa abordagem pode conter muitos erros.[13]

Alguns métodos de uso de aprendizado de máquina para distinguir a interação se baseando na localização celular, co-expressão de genes, se as proteínas pertencem a um mesmo operon, e assim por diante.[14][15] Random forest tem sido identificado como o mais eficaz método de aprendizagem de máquina para a previsão de interações entre proteína.[16] Tais métodos têm sido aplicados para descobrir proteína alvos de medicamentosas a partir do interatôma de humanos, especificamente o interatôma de proteínas de Membrana[17]e o interatôma de proteínas associadas com a Esquizofrenia.[18]

Schziophrenia IPP.[19]

4.2. Perturbações e doenças[editar | editar código-fonte]

Ver artigo principal: Network medicine

topologia de um interatôma faz algumas previsões, como uma rede reage à perturbação (e.g. remoção) de nós (proteínas) ou bordas (interações).[20] Tais perturbações podem ser causadas por mutações de genes, e, portanto, suas proteínas, e uma rede de reação pode se manifestar como uma doença.[21] Uma análise de rede pode identificados alvos de medicamentos e biomarcadores de doenças.[22]

4.3. Validação[editar | editar código-fonte]

Primeiro, a cobertura e a qualidade de um interatoma tem de ser avaliada. Interatomas nunca estão completos, dadas as limitações dos métodos experimentais. Por exemplo, estima-se que a típica Y2H telas de detectar apenas 25% de todas as interações em um sistema.[23] A cobertura de um interatôma pode ser avaliada comparando-o com benchmarks de interacções conhecidas que foram encontrados e validados por ensaios independentes. [24] Outros métodos de filtrar os falsos positivos que calculam a similaridade de anotações conhecidas das proteínas envolvidas ou definem uma probabilidade de interação com a localização subcelular destas proteínas[25]

4.4. Estrutura da rede e topologia[editar | editar código-fonte]

Interação com redes podem ser analisadas utilizando as ferramentas da teoria dos grafos. Desntre as propriedade de rede temos o grau de distribuição, coeficiente de clusterização, betweenness degree, e muitos outros. A distribuição de propriedades entre as proteínas de uma interatôma revelou módulos funcionais dentro de uma rede que indicam especializada em sub-redes.[26] Tais módulos podem ser funcionais, como em uma via de sinalização, ou estruturais, como em um complexo de proteínas. Na verdade, é uma tarefa formidável para identificar complexos de proteína em uma interatôma, dado que uma rede sobre a sua própria, não diretamente revelar a presença de um complexo estável.

5. Estudos em iteratômica[editar | editar código-fonte]

5.1. Interatoma viral[editar | editar código-fonte]

Proteína Viral interatômas consistem em interações entre viral ou fago proteínas. Eles estavam entre os primeiros interatôma projetos como seus genomas são pequenos e de todas as proteínas podem ser analisados com recursos limitados. Viral interatômas estão ligados a seu anfitrião interatômas, formando vírus-hospedeiro interação de redes.[27] Alguns publicados vírus interatômas incluem:

O lambda e VZV interatômas não são relevantes apenas para a biologia do vírus, mas também por razões de ordem técnica: eles foram os primeiros interatômas que foram mapeadas com vários Y2H vetores, provando-se que uma melhor estratégia para investigar interatômas mais completamente do que as tentativas anteriores têm mostrado.

5.2. Interatoma de procariotos[editar | editar código-fonte]

Relativamente poucas bactérias têm sido amplamente estudadas pela sua proteína–proteína medicamentosas. No entanto, nenhum desses interatômas estão completos, no sentido de que eles capturaram todas as interações. Na verdade, estima-se que nenhum deles cobre mais de 20% ou 30% de todas as interações, principalmente porque a maioria destes estudos têm apenas empregou um método único, todos do que descobrir apenas um subconjunto das interações.[31] Entre publicado bacteriana interatômas (total ou parcial) são

pecies proteinas totais interações tipo referencia
Helicobacter pylori 1,553 ~3,004 Y2H [32][33]
Campylobacter jejuni 1,623 11,687 Y2H [34]
Escherichia coli 4,288 (5,993) AP/MS [35]
Escherichia coli 4,288 2,234 Y2H [36]
Mesorhizobium loti 6,752 3,121 Y2H [37]
Mycobacterium tuberculosis 3,959 >8000 B2H [38]
Treponema pallidum 1,040 3,649 Y2H [39]
Mycoplasma genitalium 482 AP/MS [40]
Synechocystis sp. PCC6803  3,264 3,236 Y2H [41]
Staphylococcus aureus (MRSA) 2,656 13,219 AP/MS [42]

E. coli e a Mycoplasma interatomas foram analisados utilizando em grande escala complexo de proteína de afinidade de purificação e espectrometria de massa (AP/MS), por isso não é facilmente possível inferir interações diretas. Os outros têm utilizado ampla levedura de dois híbridos (Y2H) telas. O Mycobacterium tuberculosis interatom foi analisado usando um bacterianas de dois híbridos de tela (B2H).

Observe que muitos outros interatômas foram previstos usando métodos computacionais (ver seção acima).

5.3. Interatoma de eucariotos[editar | editar código-fonte]

Tem havido vários esforços para mapear eucarióticas interatômas através de HTP métodos. Enquanto não biológicos interatômas foram totalmente caracterizado, mais de 90% de proteínas em Saccharomyces cerevisiae foram selecionados e de suas interações caracterizadas, tornando-o no melhor caracterizada interatôma.[43][44] as Espécies cuja interatômas têm sido estudados em detalhe incluem:

Recentemente, o patógeno-hospedeiro interatômas do Vírus da Hepatite C/Humanos (2008),[47] Epstein Barr vírus Humano (2008), o vírus da Gripe Humana (2009) foram delineadas através de HTP para identificar essencial componentes moleculares de patógenos e para o seu sistema imune do hospedeiro.[48]

5.4. Interatomas preditos[editar | editar código-fonte]

Como descrito acima, Ipp e, assim, todo o interatômas pode ser previsto. Enquanto a confiabilidade dessas previsões é discutível, eles estão fornecendo hipóteses que podem ser testadas experimentalmente. interatômas ter sido prevista para um número de espécies, por exemplo,

6. Propriedades de redes[editar | editar código-fonte]

Proteína de interação de redes podem ser analisados com a mesma ferramenta como outras redes. Na verdade, eles compartilham muitas propriedades biológicas ou redes sociais. Algumas das principais características são as seguintes.

The Treponema pallidum protein interatôma.[57]

6.1. Grau[editar | editar código-fonte]

O grau de distribuição descreve o número de proteínas que possuem um determinado número de conexões. A maioria das proteínas de interação de redes de mostrar uma escala livre (power law) grau de distribuição, onde a conectividade de distribuição P(k) ~ k−γ , com k sendo o grau. Esta relação também pode ser visto como uma linha reta em um log-log enredo desde então, a equação acima é igual a log(P(k)) ~ —y•log(k). Uma característica de tais distribuições é que existem muitas proteínas com poucas interações e algumas proteínas que tem muitas interacções, sendo este último chamado de "hubs".

6.2. Hubs[editar | editar código-fonte]

Altamente conectado e nós (proteínas) são chamados de hubs. Han et al.[58] ter cunhado o termo "festa hub" para hubs cuja expressão está relacionada com os seus parceiros de interação. Festa de hubs também ligar a proteínas dentro de módulos funcionais, tais como complexos de proteína. Em contraste, "data hubs" não apresentam tal correlação e aparecer para se conectar diferentes módulos funcionais. Festa de hubs são encontrados predominantemente em AP/MS conjuntos de dados, considerando que a data de hubs são encontrados predominantemente em binário interatôma mapas de rede.[59] Note que a validade da data de hub/festa de hub distinção foi disputada.[60][61] Festa de hubs, geralmente, consistem em multi-interface de proteínas considerando que a data de hubs são mais frequentemente interação única interface de proteínas.[62] Consistente com uma função para a data-polos de conectar diferentes processos, o fermento, o número de binário interacções de uma determinada proteína é correlacionada com o número de fenótipos observados para a correspondente gene mutante em diferentes condições fisiológicas.[63]

6.3. Modularidade[editar | editar código-fonte]

Nós envolvidos no mesmo processo bioquímico são altamente interligado.[64]

Referências

  1. Kiemer, L; G Cesareni (2007). «Comparative interactomics: comparing apples and pears?». TRENDS in Biotechnology. 25 (10): 448–454. PMID 17825444. doi:10.1016/j.tibtech.2007.08.002 
  2. Sanchez, Catherine; Corinne (1 de janeiro de 1999). «Grasping at molecular interactions and genetic networks in Drosophila melanogaster using FlyNets, an Internet database». Nucleic Acids Research (em inglês). 27 (1): 89–94. ISSN 0305-1048. PMID 9847149. doi:10.1093/nar/27.1.89 
  3. Sharma, Ankush; Gautam VK; Costantini S; Paladino A; Colonna G (fevereiro de 2012). «Interactomic and pharmacological insights on human Sirt-1». Front. Pharmacol. 3. 40 páginas. PMC 3311038Acessível livremente. PMID 22470339. doi:10.3389/fphar.2012.00040 
  4. Sharma, Ankush; Costantini S; Colonna G (março de 2013). «The protein-protein interaction network of human Sirtuin family». arXiv:1302.6423v2Acessível livremente 
  5. Brettner, Leandra M.; Joanna Masel (2012). «Protein stickiness, rather than number of functional protein-protein interactions, predicts expression noise and plasticity in yeast». BMC Systems Biology. 6. 128 páginas. PMC 3527306Acessível livremente. PMID 23017156. doi:10.1186/1752-0509-6-128  publicação de acesso livre - leitura gratuita
  6. Mukherjee, K; Slawson; Christmann; Griffith (junho de 2014). «Neuron-specific protein interactions of Drosophila CASK-ß are revealed by mass spectrometry». Front. Mol. Neurosci. 7. 58 páginas. PMC 4075472Acessível livremente. PMID 25071438. doi:10.3389/fnmol.2014.00058 
  7. Mika, Sven; Burkhard (21 de julho de 2006). «Protein–Protein Interactions More Conserved within Species than across Species». PLOS Comput Biol. 2 (7): e79. ISSN 1553-7358. PMID 16854211. doi:10.1371/journal.pcbi.0020079 
  8. Han, Yi-Chao; Jia-Ming (19 de janeiro de 2016). «Prediction and characterization of protein-protein interaction network in Bacillus licheniformis WX-02». Scientific Reports (em inglês). 6. ISSN 2045-2322. PMID 26782814. doi:10.1038/srep19486 
  9. Kittichotirat, Weerayuth; Michal (1 de julho de 2009). «Protinfo PPC: A web server for atomic level prediction of protein complexes». Nucleic Acids Research (em inglês). 37 (suppl 2): W519–W525. ISSN 0305-1048. PMID 19420059. doi:10.1093/nar/gkp306 
  10. Tyagi, Manoj; Kosuke (1 de março de 2012). «Large-scale mapping of human protein interactome using structural complexes». EMBO reports (em inglês). 13 (3): 266–271. ISSN 1469-221X. PMID 22261719. doi:10.1038/embor.2011.261 
  11. McDermott, Jason; Michal (1 de julho de 2005). «BIOVERSE: enhancements to the framework for structural, functional and contextual modeling of proteins and proteomes». Nucleic Acids Research (em inglês). 33 (suppl 2): W324–W325. ISSN 0305-1048. PMID 15980482. doi:10.1093/nar/gki401 
  12. Shoemaker, Benjamin A.; Dachuan (1 de janeiro de 2012). «IBIS (Inferred Biomolecular Interaction Server) reports, predicts and integrates multiple types of conserved interactions for proteins». Nucleic Acids Research (em inglês). 40 (D1): D834–D840. ISSN 0305-1048. PMID 22102591. doi:10.1093/nar/gkr997 
  13. Kotlyar M, Pastrello C, Pivetta F, Lo Sardo A, Cumbaa C, Li H, Naranian T, Niu Y, Ding Z, Vafaee F, Broackes-Carter F, Petschnigg J, Mills GB, Jurisicova A, Stagljar I, Maestro R, Jurisica I (2015). «In silico prediction of physical protein interactions and characterization of interactome orphans». Nature Methods. 12 (1): 79–84. PMID 25402006. doi:10.1038/nmeth.3178  Hamp T, Rost B (2015). «Evolutionary profiles improve protein-protein interaction prediction from sequence». Bioinformatics. 31 (12): 1945–1950. PMID 25657331. doi:10.1093/bioinformatics/btv077  Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). «Short Co-occurring Polypeptide Regions Can Predict Global Protein Interaction Maps». Scientific Reports. 2. 239 páginas. PMC 3269044Acessível livremente. PMID 22355752. doi:10.1038/srep00239  Pitre S, Hooshyar M, Schoenrock A, Samanfar B, Jessulat M, Green JR, Dehne F, Golshani A (2012). «Short co-occurring polypeptide regions can predict global protein interaction maps». Scientific Reports. 2. 239 páginas. PMC 3269044Acessível livremente. PMID 22355752. doi:10.1038/srep00239 
  14. Ganapathiraju, Madhavi K; Mohamed (27 de abril de 2016). «Schizophrenia interactome with 504 novel protein–protein interactions». npj Schizophrenia (em inglês). 2. ISSN 2334-265X. doi:10.1038/npjschz.2016.12 
  15. Ganapathiraju, Madhavi K; Mohamed (27 de abril de 2016). «Schizophrenia interactome with 504 novel protein–protein interactions». npj Schizophrenia (em inglês). 2. ISSN 2334-265X. doi:10.1038/npjschz.2016.12 
  16. Qi, Yanjun; Ziv (15 de maio de 2006). «Evaluation of different biological data and computational classification methods for use in protein interaction prediction». Proteins: Structure, Function, and Bioinformatics (em inglês). 63 (3): 490–500. ISSN 1097-0134. PMID 16450363. doi:10.1002/prot.20865 
  17. Qi, Yanjun; Harpreet K. (1 de dezembro de 2009). «Systematic prediction of human membrane receptor interactions». PROTEOMICS (em inglês). 9 (23): 5243–5255. ISSN 1615-9861. PMID 19798668. doi:10.1002/pmic.200900259 
  18. Ganapathiraju, Madhavi K; Mohamed (27 de abril de 2016). «Schizophrenia interactome with 504 novel protein–protein interactions». npj Schizophrenia (em inglês). 2. ISSN 2334-265X. doi:10.1038/npjschz.2016.12 
  19. Ganapathiraju, Madhavi K; Mohamed (27 de abril de 2016). «Schizophrenia interactome with 504 novel protein–protein interactions». npj Schizophrenia (em inglês). 2. ISSN 2334-265X. PMID 27336055. doi:10.1038/npjschz.2016.12 
  20. Barabási, Albert-László; Zoltán N. «Network biology: understanding the cell's functional organization». Nature Reviews Genetics. 5 (2): 101–113. doi:10.1038/nrg1272 
  21. Goh, Kwang-Il; In-Geol (1 de novembro de 2012). «Exploring the human diseasome: the human disease network». Briefings in Functional Genomics (em inglês). 11 (6): 533–542. ISSN 2041-2649. PMID 23063808. doi:10.1093/bfgp/els032 
  22. Barabási, Albert-László; Natali. «Network medicine: a network-based approach to human disease». Nature Reviews Genetics. 12 (1): 56–68. PMID 21164525. doi:10.1038/nrg2918 
  23. Chen, Yu-Chi; Seesandra Venkatappa. «Exhaustive benchmarking of the yeast two-hybrid system». Nature Methods. 7 (9): 667–668. doi:10.1038/nmeth0910-667 
  24. Rajagopala, Seesandra Venkatappa; Kelly T. (1 de dezembro de 2009). «Benchmarking yeast two-hybrid systems using the interactions of bacterial motility proteins». PROTEOMICS (em inglês). 9 (23): 5296–5302. ISSN 1615-9861. PMID 19834901. doi:10.1002/pmic.200900282 
  25. Ofran, Yanay; Guy (15 de julho de 2006). «Create and assess protein networks through molecular characteristics of individual proteins». Bioinformatics (em inglês). 22 (14): e402–e407. ISSN 1367-4803. PMID 16873500. doi:10.1093/bioinformatics/btl258 
  26. Gao, Lin; Peng-Gang (1 de fevereiro de 2009). «Clustering algorithms for detecting functional modules in protein interaction networks». Journal of Bioinformatics and Computational Biology. 07 (01): 217–242. ISSN 0219-7200. doi:10.1142/S0219720009004023 
  27. Navratil V.; et al. (2009). «VirHostNet: a knowledge base for the management and the analysis of proteome-wide virus-host interaction networks». Nucleic Acids Res. 37 (Database issue): D661–8. PMC 2686459Acessível livremente. PMID 18984613. doi:10.1093/nar/gkn794 
  28. Navratil V.; et al. (2009). «VirHostNet: a knowledge base for the management and the analysis of proteome-wide virus-host interaction networks». Nucleic Acids Res. 37 (Database issue): D661–8. PMC 2686459Acessível livremente. PMID 18984613. doi:10.1093/nar/gkn794 
  29. Bartel PL, Roecklein JA, SenGupta D, Fields S (1996). «A protein linkage map of Escherichia coli bacteriophage T7». Nat. Genet. 12 (1): 72–7. PMID 8528255. doi:10.1038/ng0196-72 
  30. Sabri M.; et al. (2011). «Genome annotation and intraviral interactome for the Streptococcus pneumoniae virulent phage Dp-1». J. Bact. 193 (2): 551–62. PMC 3019816Acessível livremente. PMID 21097633. doi:10.1128/JB.01117-10 
  31. Chen, Yu-Chi; Seesandra Venkatappa. «Exhaustive benchmarking of the yeast two-hybrid system». Nature Methods. 7 (9): 667–668. doi:10.1038/nmeth0910-667 
  32. Rain, Jean-Christophe; Luc (11 de janeiro de 2001). «The protein-protein interaction map of Helicobacter pylori : Article : Nature». Nature. 409 (6817): 211–215. ISSN 0028-0836. doi:10.1038/35051615 
  33. Häuser, Roman; Arnaud (1 de maio de 2014). «A Second-generation Protein–Protein Interaction Network of Helicobacter pylori». Molecular & Cellular Proteomics (em inglês). 13 (5): 1318–1329. ISSN 1535-9476. PMID 24627523. doi:10.1074/mcp.O113.033571 
  34. Parrish, Jodi R.; Jingkai (1 de janeiro de 2007). «A proteome-wide protein interaction map for Campylobacter jejuni». Genome Biology. 8: R130. ISSN 1474-760X. PMID 17615063. doi:10.1186/gb-2007-8-7-r130 
  35. Hu, Pingzhao; Sarath Chandra (28 de abril de 2009). «Global Functional Atlas of Escherichia coli Encompassing Previously Uncharacterized Proteins». PLOS Biol. 7 (4): e1000096. ISSN 1545-7885. PMID 19402753. doi:10.1371/journal.pbio.1000096 
  36. Rajagopala, Seesandra V; Patricia. «The binary protein-protein interaction landscape of Escherichia coli». Nature Biotechnology. 32 (3): 285–290. PMID 24561554. doi:10.1038/nbt.2831 
  37. Shimoda, Yoshikazu; Sayaka (1 de fevereiro de 2008). «A Large Scale Analysis of Protein–Protein Interactions in the Nitrogen-fixing Bacterium Mesorhizobium loti». DNA Research (em inglês). 15 (1): 13–23. ISSN 1340-2838. PMID 18192278. doi:10.1093/dnares/dsm028 
  38. Wang, Yi; Tao (3 de dezembro de 2010). «Global Protein−Protein Interaction Network in the Human Pathogen Mycobacterium tuberculosis H37Rv». Journal of Proteome Research. 9 (12): 6665–6677. ISSN 1535-3893. doi:10.1021/pr100808n 
  39. Wang, Yi; Tao (3 de dezembro de 2010). «Global Protein−Protein Interaction Network in the Human Pathogen Mycobacterium tuberculosis H37Rv». Journal of Proteome Research. 9 (12): 6665–6677. ISSN 1535-3893. doi:10.1021/pr100808n 
  40. Kühner, Sebastian; Vera van (27 de novembro de 2009). «Proteome Organization in a Genome-Reduced Bacterium». Science (em inglês). 326 (5957): 1235–1240. ISSN 0036-8075. PMID 19965468. doi:10.1126/science.1176343 
  41. Sato, Shusei; Yoshikazu (1 de janeiro de 2007). «A Large-scale Protein–protein Interaction Analysis in Synechocystis sp. PCC6803». DNA Research (em inglês). 14 (5): 207–216. ISSN 1340-2838. PMID 18000013. doi:10.1093/dnares/dsm021 
  42. Cherkasov, Artem; Michael (4 de março de 2011). «Mapping the Protein Interaction Network in Methicillin-Resistant Staphylococcus aureus». Journal of Proteome Research. 10 (3): 1139–1150. ISSN 1535-3893. doi:10.1021/pr100918u 
  43. Schwikowski, Benno; Peter. «Nature Citation». Nature Biotechnology. 18 (12): 1257–1261. doi:10.1038/82360 
  44. Uetz, Peter; Loic (10 de fevereiro de 2000). «A comprehensive analysis of protein–protein interactions in Saccharomyces cerevisiae». Nature (em inglês). 403 (6770): 623–627. ISSN 0028-0836. doi:10.1038/35001009 
  45. Pancaldi, Vera; Ömer S. (1 de abril de 2012). «Predicting the Fission Yeast Protein Interaction Network». G3: Genes|Genomes|Genetics (em inglês). 2 (4): 453–467. ISSN 2160-1836. PMID 22540037. doi:10.1534/g3.111.001560 
  46. Vo, Tommy V.; Jishnu (14 de janeiro de 2016). «A Proteome-wide Fission Yeast Interactome Reveals Network Evolution Principles from Yeasts to Human». Cell. 164 (1-2): 310–323. ISSN 1097-4172. PMID 26771498. doi:10.1016/j.cell.2015.11.037 
  47. de Chassey, B.; V. (1 de janeiro de 2008). «Hepatitis C virus infection protein network». Molecular Systems Biology. 4. 230 páginas. ISSN 1744-4292. PMID 18985028. doi:10.1038/msb.2008.66 
  48. Navratil, V.; B. (2 de julho de 2010). «System-level comparison of protein-protein interactions between viruses and the human type I interferon system network». Journal of Proteome Research. 9 (7): 3527–3536. ISSN 1535-3907. PMID 20459142. doi:10.1021/pr100326j 
  49. Brown, Kevin R.; Igor (1 de maio de 2005). «Online predicted human interaction database». Bioinformatics (Oxford, England). 21 (9): 2076–2082. ISSN 1367-4803. PMID 15657099. doi:10.1093/bioinformatics/bti273 
  50. Gu, Haibin; Pengcheng (1 de janeiro de 2011). «PRIN: a predicted rice interactome network». BMC bioinformatics. 12. 161 páginas. ISSN 1471-2105. PMID 21575196. doi:10.1186/1471-2105-12-161 
  51. Guo, Jing; Huan (1 de dezembro de 2013). «Prediction and characterization of protein-protein interaction network in Xanthomonas oryzae pv. oryzae PXO99 A». Research in Microbiology. 164 (10): 1035–1044. ISSN 1769-7123. PMID 24113387. doi:10.1016/j.resmic.2013.09.001 
  52. Geisler-Lee, Jane; Nicholas (1 de outubro de 2007). «A predicted interactome for Arabidopsis». Plant Physiology. 145 (2): 317–329. ISSN 0032-0889. PMID 17675552. doi:10.1104/pp.107.103465 
  53. Yue, Junyang; Wei (1 de janeiro de 2016). «PTIR: Predicted Tomato Interactome Resource». Scientific Reports. 6. 25047 páginas. ISSN 2045-2322. PMID 27121261. doi:10.1038/srep25047 
  54. Yang, Jianhua; Kim (1 de janeiro de 2012). «Inferring the Brassica rapa Interactome Using Protein-Protein Interaction Data from Arabidopsis thaliana». Frontiers in Plant Science. 3. 297 páginas. ISSN 1664-462X. PMID 23293649. doi:10.3389/fpls.2012.00297 
  55. Zhu, Guanghui; Aibo (1 de fevereiro de 2016). «PPIM: A Protein-Protein Interaction Database for Maize». Plant Physiology. 170 (2): 618–626. ISSN 1532-2548. PMID 26620522. doi:10.1104/pp.15.01821 
  56. Rodgers-Melnick, Eli; Mark (1 de janeiro de 2013). «Predicting whole genome protein interaction networks from primary sequence data in model and non-model organisms using ENTS». BMC genomics. 14. 608 páginas. ISSN 1471-2164. PMID 24015873. doi:10.1186/1471-2164-14-608 
  57. Titz, Björn; Seesandra V. (1 de janeiro de 2008). «The binary protein interactome of Treponema pallidum--the syphilis spirochete». PloS One. 3 (5): e2292. ISSN 1932-6203. PMID 18509523. doi:10.1371/journal.pone.0002292 
  58. Han, Jing-Dong J.; Nicolas (1 de julho de 2004). «Evidence for dynamically organized modularity in the yeast protein-protein interaction network». Nature. 430 (6995): 88–93. ISSN 1476-4687. PMID 15190252. doi:10.1038/nature02555 
  59. Yu, Haiyuan; Pascal (3 de outubro de 2008). «High-quality binary protein interaction map of the yeast interactome network». Science (New York, N.Y.). 322 (5898): 104–110. ISSN 1095-9203. PMID 18719252. doi:10.1126/science.1158684 
  60. Batada, Nizar N.; Teresa (1 de outubro de 2006). «Stratus not altocumulus: a new view of the yeast protein interaction network». PLoS biology. 4 (10): e317. ISSN 1545-7885. PMID 16984220. doi:10.1371/journal.pbio.0040317 
  61. Bertin, Nicolas; Nicolas (1 de junho de 2007). «Confirmation of organized modularity in the yeast interactome». PLoS biology. 5 (6): e153. ISSN 1545-7885. PMID 17564493. doi:10.1371/journal.pbio.0050153 
  62. Kim, Philip M.; Long J. (22 de dezembro de 2006). «Relating three-dimensional structures to protein networks provides evolutionary insights». Science (New York, N.Y.). 314 (5807): 1938–1941. ISSN 1095-9203. PMID 17185604. doi:10.1126/science.1136174 
  63. Yu, Haiyuan; Pascal (3 de outubro de 2008). «High-quality binary protein interaction map of the yeast interactome network». Science (New York, N.Y.). 322 (5898): 104–110. ISSN 1095-9203. PMID 18719252. doi:10.1126/science.1158684 
  64. Barabási, Albert-László; Natali (1 de janeiro de 2011). «Network medicine: a network-based approach to human disease». Nature Reviews. Genetics. 12 (1): 56–68. ISSN 1471-0064. PMID 21164525. doi:10.1038/nrg2918