Predicción de funciones de proteínas a partir de redundancias en redes de interacción de proteínas a gran escala

La interpretación de datos de experimentos de interacción de proteínas a gran escala ha sido una tarea desafiante debido a la amplia presencia de falsos positivos aleatorios. Aquí, presentamos un algoritmo estadístico basado en redes que supera esta dificultad y nos permite derivar funciones de proteínas no anotadas a partir de datos de interacción a gran escala. Nuestro algoritmo utiliza la idea de que si dos proteínas comparten un número significativamente mayor de socios de interacción comunes en comparación con lo aleatorio, tienen asociaciones funcionales cercanas. El análisis de datos públicamente disponibles de Saccharomyces cerevisiae revela >2,800 asociaciones funcionales fiables, de las cuales el 29% involucra al menos una proteína no anotada. Al analizar más a fondo estas asociaciones, derivamos funciones tentativas para 81 proteínas no anotadas con alta certeza. Nuestro método no es excesivamente sensible a los falsos positivos presentes en los datos. Incluso después de añadir un 50% de interacciones generadas aleatoriamente al conjunto de datos medido, somos capaces de recuperar casi todas (aproximadamente el 89%) de las asociaciones originales.