KR100458609B1

KR100458609B1 - 단백질간 상호작용 예측 시스템 및 그 방법

Info

Publication number: KR100458609B1
Application number: KR10-2001-0079035A
Authority: KR
Inventors: 김완규; 지희정; 서정근; 김규완; 이은정; 한동수
Original assignee: 주식회사 엘지생명과학
Priority date: 2001-12-13
Filing date: 2001-12-13
Publication date: 2004-12-03
Also published as: KR20030048974A

Abstract

본 발명은 단백질간의 상호작용 예측 시스템 및 그 방법에 관한 것으로 더욱 상세하게는 단백질 서열 정보로부터 단백질간의 상호작용 및 기능을 예측할 수 있는 시스템 및 그 방법에 관한 것이다.

본 발명에 따르면 상호작용 하는 것으로 알려진 단백질 쌍과 그 도메인 정보로부터 추출된 정보를 이용하여 단백질 쌍의 상호작용여부를 예측할 수 있으므로 많은 비용과 시간을 필요로 하는 실험을 통하지 않고도 상호작용 여부가 밝혀지지 않은 단백질 쌍의 상호작용 여부를 예측할 수 있다.

Description

단백질간 상호작용 예측 시스템 및 그 방법{A system for predicting interaction between proteins and a method thereof}

인간 게놈 프로젝트를 비롯하여 많은 연구를 통해 수십여 종의 생명체에 대한 유전자 서열이 밝혀지고 있으나, 이러한 유전자 서열 정보만으로는 각 유전자가 생명체 내에서 어떤 기능과 역할을 하는지를 알 수 없다. 또한 각 유전자들은 서로 상호작용을 할뿐만 아니라 서로 조절하는 양상에 따라 다른 생명 현상이 나타나게 된다.

따라서 유전자의 서열을 밝히는 것뿐만 아니라 각 유전자로부터 발현되는 단백질이 어떤 기능을 가지며, 각 유전자가 어떻게 발현되고 조절되며 상호 작용하는지를 규명하는 것이 필요하다.

특히 단백질간의 상호작용은 생체 내에서 효소 활성의 조절, 신호전달, 유전자 발현의 조절, 세균과 바이러스 감염의 특이성 결정, 면역 반응 등 여러 생명현상에 있어서 중심적인 역할을 하기 때문에 새로운 유전자의 기능을 밝히거나 신약을 개발하는데 있어서 단백질간의 상호작용을 아는 것은 매우 중요하다.

그러나 단백질간의 상호작용을 알기 위해서는 기존에 보고된 데이터를 활용하거나 보고된 데이터가 없는 경우에는 조합 가능한 모든 단백질 쌍에 대한 실험을 하여야 하는 문제가 있다.

단백질간의 상호작용에 대한 데이터들은 DIP (http:// dip. doembi. ucla. edu/) 또는 BIND(http://www.bind.ca/)를 비롯한 여러 공개 데이터베이스나 상용 데이터베이스에 축적되어 있으며, 단백질 쌍에 대한 실험을 효율적으로 하기 위한 Yeast two hybrid system과 같은 실험 방법이 개발되어 있다.

그러나 아직 단백질간의 상호작용을 예측해주는 시스템은 알려져 잇지 않다.

본 발명은 이와 같은 문제점을 해결하기 위한 것으로, 본 발명의 목적은 단백질간의 상호작용에 대하여 기존에 보고된 데이터를 이용하여 사용자가 알고자 하는 단백질간의 상호작용을 예측할 수 있는 단백질간의 상호작용 예측 시스템 및 그 방법을 제공하는 것이다.

도 1은 본 발명의 실시 예에 따른 단백질간 상호작용 예측 시스템의 구성을 나타내는 블록도이다.

도 2는 본 발명의 실시 예에 따른 PID matrix 작성 방법을 개략적으로 나타낸 순서도이다.

도 3은 본 발명의 실시 예에 따른 단백질간 상호작용 예측 방법을 개략적으로 나타낸 순서도이다.

본 발명에서 상호작용 가능한 도메인 쌍(potentially interacting domain pair, 이하 PID라 함) matrix를 이용하여 단백질간의 상호작용을 예측하는 원리는 다음과 같다.

단백질 A와 B가 상호작용을 하고, 단백질 A가 도메인 a₁, a₂, a₃, ‥‥ a_i,‥‥ a_m-1, a_m을 포함하고, 단백질 B가 b₁, b₂, b₃, ‥‥ b_j,‥‥ b_n-1, b_n을 포함하는 경우 상호작용 하는 도메인 쌍은 각 단백질이 포함하는 도메인 쌍의 조합 가운데 하나일 가능성이 높다.

즉, 단백질 A와 B에 포함된 도메인 쌍은 (a₁, b₁), (a₁, b₂), ‥‥ (a_i, b_j), ‥‥ (a_m, b_n)이 되므로 단백질 A와 B가 상호작용 한다는 것은 상기 도메인 쌍의 조합 가운데 하나 이상의 도메인 쌍이 상호작용 할 수 있다는 것을 의미한다.

물론 어느 도메인 쌍이 상호작용 한다고 이미 알려진 경우에는 단백질 A와 B의 상호작용이 상호작용 하는 것으로 알려진 도메인 쌍의 상호작용에 의한 것으로 추측할 수 있다.

그러나 대부분의 경우에는 두 단백질이 상호작용 하는 것만 알려져 있고 어느 도메인이 상호작용 하는 것인지는 알려져 있지 않다.

본 발명에서는 특정 조합의 도메인 쌍이 상호작용 하는 것으로 알려진 여러단백질 쌍에서 반복적으로 발견된다면 그러한 도메인 쌍은 실제로 상호작용 하는 도메인 쌍(truly interacting domain pair, 이하 TID라 함)일 가능성이 크다는 사실에 입각하여 각 도메인 쌍에 대하여 상호작용지수(score)를 계산하여 단백질간의 상호작용을 예측할 수 있도록 한다.

도메인 쌍 (a_i, b_j)의 score는 다음 식에 의해 계산된다.

여기서, wF(a_ib_j)는 단백질 A, B의 도메인 조합 가운데 TID가 존재할 경우 (a_i, b_j)가 TID일 확률을 의미하고, E(a_ib_j)는 상호작용 하는 단백질 쌍에서 우연히 (a_i, b_j)가 나타날 확률을 의미한다.

상기 wF(a_ib_j)는이고, m은 단백질 A에서 발견되는 domain 수, n은 단백질 B에서 발견되는 domain 수를 나타낸다.

상기 E(ab)는이고, E(a_i)는 전체 단백질 가운데 도메인 a_i가 나타나는 빈도, E(b_j)는 전체 단백질 가운데 도메인 b_j가 나타나는 빈도를 나타낸다.

상기 score를 이용하여 단백질간의 상호작용을 예측하는 것이 어느 정도의 정확도를 가지는지 알아보기 위해 다음과 같이 민감도와 특이도를 확인하여 보았다.

상호 작용 패턴을 추출하기 위해 Database of Interaction Protein (http://dip.doe-mbi.ucla.edu, 이하 DIP라 함)으로부터 상호작용 하는 것으로 알려진 3602쌍의 단백질 쌍과 EMBL/SwissProt (http://www.ebi.ac.uk/ swissprot)의 단백질 데이터베이스 도메인이 발견되는 단백질 가운데 무작위로 100000쌍을 취하여 민감도와 특이도를 확인하기 위한 검증용 데이터로 사용하였다.

DIP로부터 받은 3602쌍 중 975쌍(27.1%)은 도메인을 포함하지 않고 있었고, 나머지 2627쌍(72.9%)은 도메인을 포함하고 있었다.

단백질 서열로부터 도메인을 검색하기 위하여 European Bioinformatics Institute(이하 EBI라 함)에서 제공되는 INTERPRO 도메인 데이터베이스와 그 검색도구인 InterProScan v2.2를 사용하였다.

INTERPRO 데이터베이스의 도메인들은 계층적으로 부모-자식(parent-child) 관계가 존재하는데 부모 도메인들은 좀더 세분하여 몇 가지 자식 도메인으로 분류될 수 있다. 부모-자식 관계인 도메인들은 실질적으로는 같은 서열에 겹쳐서 나타나므로 InterProScan을 이용하여 검색한 도메인들 중 부모-자식 관계인 경우 자식 도메인은 도메인 가짓수 계산에서 제외하였다. 또한 하나의 단백질 쌍에서 같은 PID가 2회 이상 발견되는 경우에도 1회만 score 계산에 포함시켰다.

상호작용 하는 것으로 알려진 3602쌍 가운데 무작위로 1801쌍을 추출하여 Training Set로 하여 PID matrix를 작성하고 나머지 1801쌍을 Positive Set로 하여 Positive를 맞게 예측하는 비율인 민감도를 구하였으며, 특이도는 EMBL/SwissProt단백질 데이터베이스에서 무작위로 추출한 100000쌍을 이용하여 구하였다.

PID matrix를 이용하여 민감도와 특이도를 구한 결과를 다음 표에 나타내었다.

score의 threshold는 예측이 사용될 실험의 목적과 사용자가 요구하는 민감도의 수준에 따라 달라질 수 있다. 여기서는 단백질 A, B에서 도메인 a, b가 유일한 도메인으로서 가장 드문 빈도인 1회 나타날 때의 score를 threshold로 정하였다.

	Positive Set	Negative Set
전체 단백질 쌍의 수(a)	1801	100000
도메인을 포함하는단백질 쌍의 수(b)	1304	100000
상호작용할 것으로 예측된 단백질 쌍의 수(c)	832	712
도메인을 포함하는단백질 쌍의 비율(b/a)	72.9%	100%
도메인을 포함하는 단백질 쌍 가운데 상호작용할 것으로 예측된 단백질 쌍의 비율(c/b)	63.4%	0.7%
전체 단백질 쌍 가운데 상호작용할 것으로 예측된 단백질 쌍의 비율(c/a)	46.2%	0.7%

상기 표 1에서 알 수 있듯이 1801쌍의 positive set 가운데 46.2%에 해당하는 832쌍이 상호작용 하는 것으로 예측되었다. positive set 가운데 1313쌍이 도메인을 포함하는 단백질 쌍이므로 도메인을 포함하면서 상호작용 하는 단백질 쌍 가운데 63.4%가 상호작용 하는 것으로 예측되었다.

또한 negative set 가운데는 0.7%만이 상호작용 하는 것으로 예측되었다.

위의 결과를 요약하면 3602쌍의 단백질 쌍을 이용하여 PID matrix를 작성한결과 전체 positive set 가운데 민감도는 46.2%, 도메인을 포함하는 단백질 쌍에 대한 민감도는 63.4%, 특이도는 99% 이상이었다.

이하 본 발명의 실시 예를 첨부된 도면을 참조하여 상세히 설명한다.

도 1에 도시된 바와 같이 상기 단백질간 상호작용 예측 시스템은 세부 기능을 형성하는 다수의 모듈들과 상기 모듈들의 수행에 제공되는 데이터베이스부(180), 상기 모듈들이 수행되는 중앙처리부(170)를 포함하며, 상기 중앙처리부(170)는 네트워크 인터페이스(175)를 통해 사용자, 단백질 또는 도메인 정보들이 저장되어 있는 외부 데이터베이스 서버(Pfam, PRINTS, PROSITE, ProDom, INTERPRO(http://www.ebi.ac.uk/interpro 등)에 연결된다.

상기 모듈들은 예측된 상호작용 검색 모듈(110), PID 생성 모듈(120), 서열 추출 모듈(130), 도메인 추출 모듈(140), 단백질간 상호작용 추출 모듈(150), 상호작용 패턴 추출 모듈(160)을 포함한다.

상기 예측된 상호작용 검색 모듈(110)은 예측된 상호작용 데이터베이스를 조회하여 검색하는 기능을 수행한다.

상기 PID 생성 모듈(120)은 가능한 PID의 조합을 생성하는 기능을 수행한다.

상기 서열 추출 모듈(130)은 단백질의 아이디로부터 단백질의 유전자 또는 아미노산 서열을 추출하는 기능을 수행한다.

상기 도메인 추출 모듈(140)은 단백질 서열로부터 단백질에 존재하는 도메인을 추출하는 기능을 수행한다.

상기 단백질간 상호작용 검색 모듈(150)은 상호작용 하는 것으로 알려진 단백질 쌍을 검색하는 기능을 수행한다.

상기 상호작용 패턴 추출 모듈(160)은 도메인 쌍에 대한 score를 계산하고 이를 이용하여 PID matrix score를 작성하는 기능을 수행한다.

상기 데이터베이스부(180)는 상호작용 정보 데이터베이스(181), PID matrix 데이터베이스(182), 유전자 서열 데이터베이스(183), 도메인 데이터베이스(184), 단백질간 상호작용 데이터베이스(185)를 포함한다.

상기 상호작용 정보 데이터베이스(181)는 각 생물체, 기관, 질별 관련 유전자군 등의 특정 단백질 군내에서 상호작용 할 것으로 예측된 단백질 쌍에 관한 정보를 저장하고 관리하는 기능을 수행한다.

상기 PID matrix 데이터베이스(182)는 각 PID에 대하여 도메인 발생 빈도 및 score 정보를 저장하고 관리하는 기능을 수행한다.

상기 유전자 서열 데이터베이스(183)는 시스템에 관련된 모든 단백질들의 ID, 서열 및 관련 정보들을 저장하고 관리하는 기능을 수행한다.

상기 도메인 데이터베이스(184)는 PID를 구성하는 도메인 ID, 부모-자식 관계 등 도메인에 관한 정보를 저장하고 관리하는 기능을 수행한다.

상기 단백질간 상호작용 데이터베이스(185)는 DIP를 비롯하여 상호작용 하는 단백질 쌍에 대한 정보를 저장하고 관리하는 기능을 수행한다.

상기 단백질간 상호작용 검색 모듈(150)은 상호작용 하는 것으로 알려진 단백질 쌍을 검색한다(단계 210). 상호작용 예측의 정확성을 높이기 위해서는 될 수 있으면 많은 단백질 쌍을 검색하는 것이 바람직하며, 상호작용 하는 단백질 쌍은 DIP 등에서 구할 수 있다.

상기 도메인 추출 모듈(140)은 검색된 단백질 쌍의 각 단백질이 포함하고 있는 도메인을 추출해 낸다(단계 220).

도메인 추출은 EBI에서 제공되는 INTERPRO 도메인 데이터베이스와 그 검색도구인 InterProScan v2.2 등을 이용하여 할 수 있다.

상기 PID 생성 모듈(120)은 상기 도메인 추출 모듈(140)이 단백질 쌍의 각 단백질이 포함하고 있는 도메인을 추출한 후 추출된 도메인 정보를 이용하여 PID 조합을 생성한다(단계 230).

상기 상호작용 패턴 추출 모듈(160)은 상기 수학식 1을 이용하여 각 도메인 쌍에 대하여 score를 계산한다(단계 240).

상기 상호작용 패턴 추출 모듈(160)은 계산된 score를 이용하여 PID matrix를 작성한다(단계 250).

사용자는 상기 단백질간 상호작용 예측 시스템에 접속한 후(단계 310) 상호작용 여부를 알고자 하는 단백질 쌍에 대한 정보를 입력한다(단계 320).

사용자는 상기 단백질에 대한 정보를 단백질의 서열로 입력할 수도 있고, 단백질에 고유한 아이디로 입력할 수도 있다.

상기 단백질간 상호작용 예측 시스템은 사용자가 입력한 단백질에 대한 정보가 단백질의 서열인지 여부를 판단한다(단계 322).

상기 단백질간 상호작용 예측 시스템은 사용자가 입력한 단백질에 대한 정보가 단백질의 서열이 아니라고 판단되는 경우에는 사용자가 입력한 단백질에 해당하는 서열을 추출한다(단계 324).

사용자가 입력한 단백질에 대한 정보가 서열이라고 판단된 경우 또는 사용자가 입력한 단백질에 해당하는 서열을 추출한 후에는 단백질의 서열에 해당하는 도메인을 추출한다(단계 330).

상기 단백질간 상호작용 예측 시스템은 추출된 도메인 정보를 이용하여 PID 조합을 생성한다(단계 340).

상기 단백질간 상호작용 예측 시스템은 PID 조합의 각 도메인 쌍에 해당하는 score를 검색하여 PID matrix score를 생성한다(단계 350).

상기 단백질간 상호작용 예측 시스템은 생성된 PID matrix score와 단백질간의 상호작용 여부를 사용자에게 출력한다(단계 360).

비록 본 발명이 상기에서 언급한 바람직한 실시 예와 관련하여 설명되어졌지만, 본 발명의 요지와 범위로부터 벗어남이 없이 다른 다양한 수정 및 변경이 가능할 것이다. 따라서 첨부된 청구의 범위는 본 발명의 진정한 범위 내에 속하는 그러한 수정 및 변형을 포함할 것이라고 여겨진다.

예를 들어 본 발명은 임의의 단백질 쌍에 대한 상호작용 예측 결과를 제공하는 경우뿐만 아니라 인간을 포함한 다른 생물체의 유전자 집합을 생물종, 기관, 질병 관련성 및 단백질이 생체 내에서 존재하는 위치 등에 따라 분류하고 분류된 각각의 유전자 그룹에 대하여 가능한 단백질 쌍 조합을 생성하고 이에 대한 PID matrix score를 작성하여 사용자가 임의의 단백질, 생물종, 기관, 질병 등의 질의를 입력하면 상호작용 여부에 대한 결과를 출력하여 주도록 구성할 수도 있다.

이와 같이 본 발명에 따르면 상호작용 하는 것으로 알려진 단백질 쌍과 그 도메인 정보로부터 추출된 정보를 이용하여 단백질 쌍의 상호작용여부를 예측할 수 있으므로 많은 비용과 시간을 필요로 하는 실험을 통하지 않고도 상호작용 여부가 밝혀지지 않은 단백질 쌍의 상호작용 여부를 예측할 수 있다.

Claims

상호작용 가능한 도메인 쌍 조합을 생성하는 기능을 수행하는 상호작용 가능한 도메인 쌍 생성 모듈과,

단백질의 서열로부터 단백질에 존재하는 도메인을 추출하는 도메인 추출모듈과,

상호작용 하는 것으로 알려진 단백질 쌍을 검색하는 기능을 수행하는 단백질간 상호작용 검색 모듈과,

도메인 쌍에 대한 상호작용지수를 하기의 식에 의해 계산하고 이를 이용하여 상호작용 가능한 도메인 쌍 매트릭스 상호작용지수를 작성하는 기능을 수행하는 상호작용 패턴 추출 모듈과,

상기 모듈들의 수행에 제공되는 데이터베이스부

를 포함하는 것을 특징으로 하는 단백질간 상호작용 예측 시스템.
제1항에 있어서,

상기 단백질간 상호작용 예측 시스템은

단백질의 아이디로부터 단백질의 유전자 또는 아미노산 서열을 추출하는 기능을 수행하는 서열 추출 모듈을 더 포함하는 것을 특징으로 하는 단백질간 상호작용 예측 시스템.
단백질간 상호작용 검색 모듈이 상호작용 하는 것으로 알려진 단백질 쌍을 검색하는 단계와,

도메인 추출 모듈이 상기 검색된 단백질로부터 도메인을 추출하는 단계와,

상호작용 가능한 도메인 쌍 생성 모듈이 상기 추출된 도메인을 이용하여 상호작용 가능한 도메인 쌍 조합을 생성하는 단계와,

상호작용 패턴 추출 모듈이 도메인 쌍에 대한 상호작용지수를 하기 식에 의해 계산하는 단계와,

상호작용 패턴 추출 모듈이 상기 상호작용지수를 이용하여 상호작용 가능한 도메인 쌍 매트릭스를 생성하는 단계와,

상기 상호작용 가능한 도메인 쌍 매트릭스를 상호작용 가능한 도메인 쌍 매트릭스 데이터베이스에 저장하는 단계

를 포함하는 것을 특징으로 하는 단백질간 상호작용 예측을 위한 상호작용 가능한 도메인 쌍 매트릭스 생성 방법.
단백질간 상호작용 예측 시스템이 사용자로부터 질의를 입력받는 단계와,

도메인 추출 모듈이 사용자가 입력한 질의를 이용하여 도메인을 추출하는 단계와,

상호작용 가능한 도메인 쌍 생성 모듈이 상호작용 가능한 도메인 쌍 조합을 생성하는 단계와,

상호작용 패턴 추출 모듈이 상기 상호작용 가능한 도메인 쌍 조합에 해당하는 상호작용 가능한 도메인 쌍 매트릭스 상호작용지수를 상호작용 가능한 도메인 쌍 매트릭스 데이터베이스를 이용하여 생성하는 단계와,

단백질간 상호작용 예측 시스템이 상기 상호작용 가능한 도메인 쌍 매트릭스 상호작용지수를 사용자에게 출력하는 단계

를 포함하는 것을 특징으로 하는 단백질간 상호작용 예측 방법.
제4항에 있어서,

상기 단백질간 상호작용 예측 방법은

사용자가 입력한 질의가 단백질의 서열이 아닌 경우 서열추출모듈이 단백질의 서열을 추출하는 단계를 더 포함하는 것을 특징으로 하는 단백질간 상호작용 예측 방법.