ProteinInteraktionsnetze

ProteinInteraktionsnetze beschreiben die Gesamtheit der Interaktionen zwischen Proteinen innerhalb einer Zelle oder eines Organismus. In solchen Netzen werden Proteine als Knoten und Interaktionen als Kanten dargestellt. Die Beziehungen können physisch sein, wie Bindungen in Proteinkomplexen, oder funktional, etwa regulatorische Einflüsse, die gemeinsam biologische Prozesse steuern. PIN dienen der systematischen Beschreibung der zellulären Funktion auf Molekularebene.

Quellen und Methoden: Daten stammen aus experimentellen High-Throughput-Ansätzen wie Yeast- oder Two-Hybrid-Experimenten, Affinitätsreinigung mit Massenspektrometrie und Ko-Immunpräzipitation. Ergänzend liefern rechnerische Ansätze Vorhersagen basierend auf Sequenz- oder Struktureigenschaften, genomischer Kopplung oder evolutionärer Muster. Öffentliche Datenbanken wie BioGRID, IntAct oder STRING aggregieren Beweise und ermöglichen Netzwerkabfragen.

Netzwerkmerkmale: PIN werden meist als ungerichtete oder gerichtete Graphen modelliert, wobei Kanten Gewichtungen für Zuverlässigkeit oder Interaktionstyp tragen. Typische Merkmale sind Knotengrade (Hubs), Modul- bzw. Funktionsgemeinschaften, sowie Netzwerkschemata wie Motive. Die Netzwerke zeigen oft eine grob skalenfreie Verteilung und dynamische Eigenschaften, die sich je nach Gewebe, Entwicklungsstadium oder Umwelt verändern können.

Anwendungen: PIN unterstützen das Verständnis zellulärer Prozesse, die Annotation von Proteinfunktionen, die Identifikation potenzieller Zielproteine für Therapien sowie die Rekonstruktion von Signalwegen. Sie dienen auch der Hypothesengenerierung, der Interpretation von Omik-Daten und dem Kontextualisieren von Krankheiten durch netzwerkbasierte Mechanismen.

Herausforderungen: Die Netzwerke sind oft unvollständig und fehleranfällig; kontextabhängige Interaktionen sind schwer zu erfassen; statische Graphen erfassen zeitliche Dynamik nicht adäquat. Integrationen mit Transkriptom- und Metabolomdaten sowie Fortschritte in maschinellem Lernen verbessern die Aussagekraft.