Despite the improvement of predicting protein-protein interactions, little progress has been achieved in the network based prediction of protein complexes. We assume that the problem of network based predictions is caused by the coexistence of incompatible interactions which cannot occur simultaneously. Therefore, we propose the method to predict protein complexes eliminating incompatible interactions which cannot occur to single interface at the same time. To obtain domain interface data, we integrate several biological databases: PSIbase, SwissProt, SCOP, and ASTRAL. This method integrate the existing prediction methods, MCODE and LCMA, based on the connectivity in the protein interaction graph. The prediction accuracy are compared with the existing methods and known protein complexes of MIPS CYGD. As a result, the prediction accuracy shows improvement compared to the existing methods, MCODE and LCMA.
본 논문은 단백질 컴플렉스의 예측 방법론 중의 하나인 단백질 상호작용 네트워크에서 밀집 부분을 찾는 방법론에 대한 문제점을 제기하고, 그에 대한 해결 방안으로 예측된 컴플렉스 안의 인터페이스 정보를 이용하여 동시대에 일어날 수 없는 상호작용(Incompatible Interaction)을 제거하여 예측 정확도를 높이는 방법을 제안한다. 기존 컴플렉스 예측 방법론인, MCODE(Molecular Complex Detection)와 LCMA(Local Clique Merging Algorithm)에 대해 제안한 방법론을 적용함으로써 기존 방법론보다 높은 정확도가 관찰됨을 확인하였다. 입력 데이터로서는 MIPS MPact 에서 단백질 상호작용 데이터를, ASTRAL과 SCOP, PDB에서 구조적 도메인 데이터를, PSIMAP에서 인터페이스 데이터를 각각 적용하여 실행하였다. 예측된 컴플렉스는 실험적으로 밝혀진 컴플렉스 데이터베이스인 MIPS : Comprehensive Yeast Genome Database와 비교하여 정확도를 평가하였다.
