Article

Bricoler avec les réseaux d’interactions protéines-protéines, leurs structures et leurs mutations associées aux maladies

Protein-protein interacting networks, their structures and disease-related mutations

Randall Division of Cellular and Molecular Biology, King’s College, London, UK

^* Auteur correspondant : franca.fraternali@kcl.ac.uk

Reçu : 20 Septembre 2017

Résumé

Au cours des dernières années, les comparaisons d’interactomes protéiques ont mis en évidence des modules conservés qui pourraient représenter des noyaux fonctionnels communs d’origine ancestrale. Dans ce contexte, des analyses récentes des réseaux d’interactions protéines-protéines ont conduit à un débat sur l’influence de la méthode expérimentale sur la qualité et la pertinence biologique de ces données d’interaction. Il est crucial de savoir dans quelle mesure les divergences entre les réseaux d’espèces différentes reflètent les biais d’échantillonnage des méthodes expérimentales respectives, par opposition aux caractéristiques topologiques dues à la fonctionnalité biologique. Cela nécessite des outils mathématiques nouveaux, précis et pratiques pour quantifier et comparer les structures topologiques des réseaux à haute résolution. À cette fin, nous avons étudié la relation entre les ensembles de graphes aléatoires structurés et les réseaux de signalisation biologiques réels, en mettant l’accent sur le nombre de cycles de graphes dans les réseaux, qui représentent des complexes dans les interactomes protéiques expérimentaux. En combinant des méthodes pour la dynamique des graphes et des algorithmes pour le comptage de boucles, nous estimons l’importance relative des boucles dans les réseaux biologiques par rapport aux  analyses des réseaux.

Abstract

In recent years, the comparison of protein interactomes has identified conserved modules, that could represent functional nuclei with a common ancestry. Within this context, recent analyses of protein-protein interacting networks have led to a debate on the influence of the experimental method on the quality and biological pertinence of these data. It is crucial to understand the measure in which divergence between networks of different species reflect sampling biases in respective experimental methods, as opposed to topological features dictated by biological functionality. This aspect requires novel, precise and practical mathematical tools, to quantify and compare high resolution networks. To this end, we have studied the relationship between pools of aleatory graphs and real biological signalization networks, while stressing the number of graph cycles in the networks, which represent complexes in experimental protein interactomes. By combining methods for graph and algorithm dynamics to count the loops, we evaluate the relative importance of the loops in biological networks in comparison with network analyses.