چارچوب PRAF براي هم‌ترازي سراسري دو شبكه برهم‌كنش پروتئين- پروتئين

PRAF Framework for Global Protein-Protein Interaction Network Alignment

به مجموعه ‌اي از ماكرومولكول‌‌ها كه در سلول با يكديگر داراي تعامل هستند و عمل زيستي خاصي را انجام مي‌‌دهند، شبكه زيستي گفته مي‌‌شود. ناهنجاري تنها در يك مولكول اتفاق نمي‌افتد بلكه شبكه زيستي مربوط به آن را نيز درگير مي‌كند. براي شناسايي صحيح و جامع عوامل درگير در يك بيماري بايد از مقايسه بين شبكه‌‌هاي زيستي استفاده نمود. در اين راستا، مسايل هم‌ترازي محلي و سراسري شبكه‌‌‌هاي برهم‌كنش پروتئين- پروتئين تعريف شد. با توجه به NP- كامل‌بودن مساله هم‌ترازي سراسري، الگوريتم‌‌‌هاي غيرقطعي مختلفي براي حل اين مساله ارايه شده است. الگوريتم NetAl در اين سال‌هاي اخير به‌عنوان يك روش كارآمد براي حل اين مساله شناخته شده است. گرچه اين الگوريتم توانايي هم‌ترازي دو شبكه را با سرعت مناسبي دارد ولي ويژگي‌هاي زيستي را براي اين منظور در نظر نمي‌گيرد. در اين كار قصد داريم يك چارچوب جديد براي مساله هم‌ترازي سراسري شبكه‌هاي پروتئين- پروتئين به نام PRAF ارايه دهيم كه با استفاده از اين الگوريتم، نرم‌افزار BINGO و مفهوم هستي‌شناسي ژن، موجب بهبود نتايج الگوريتم‌ NetAl شود.

A biological network represents the interaction between a set of macromolecules to drive a particular biological process. In a biological environment, abnormalities happen not only in one molecule but also through a biological network. One of the most effective methods to detect anomaly is the comparison between healthy and diseased networks. In this regard, biological network alignment is one of the most efficient ways to find the difference between healthy and diseased cells. This problem, protein-protein interaction network alignment, has been raised in two main types: Local network alignment and Global network alignment. According to the NP-completeness of this problem, different non-deterministic approaches have been proposed to tackle the Global network alignment problem. Recently, NetAl has been introduced as a common algorithm to align two networks. Although this algorithm can align two networks at the appropriate time, it does not consider biological features. In this study, we present a new framework called PRAF to improve the results of network alignment algorithms such as NetAl by considering some biological features like gene ontology (GO).