چارچوب Praf برای هم‌ترازی سراسری دو شبکه برهم‌کنش پروتئین- پروتئین

به مجموعه ای از ماکرومولکول ها که در سلول با یکدیگر دارای تعامل هستند و عمل زیستی خاصی را انجام می دهند، شبکه زیستی گفته می شود. ناهنجاری تنها در یک مولکول اتفاق نمی افتد بلکه شبکه زیستی مربوط به آن را نیز درگیر می کند. برای شناسایی صحیح و جامع عوامل درگیر در یک بیماری باید از مقایسه بین شبکه های زیستی استفاده نمود. در این راستا، مسایل هم ترازی محلی و سراسری شبکه های برهم کنش پروتئین پروتئین تعریف شد. با توجه به np کامل بودن مساله هم ترازی سراسری، الگوریتم های غیرقطعی مختلفی برای حل این مساله ارایه شده است. الگوریتم netal در این سال های اخیر به عنوان یک روش کارآمد برای حل این مساله شناخته شده است. گرچه این الگوریتم توانایی هم ترازی دو شبکه را با سرعت مناسبی دارد ولی ویژگی های زیستی را برای این منظور در نظر نمی گیرد. در این کار قصد داریم یک چارچوب جدید برای مساله هم ترازی سراسری شبکه های پروتئین پروتئین به نام praf ارایه دهیم که با استفاده از این الگوریتم، نرم افزار bingo و مفهوم هستی شناسی ژن، موجب بهبود نتایج الگوریتم netal شود.

PRAF Framework for Global Protein-Protein Interaction Network Alignment

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, proteinprotein interaction network alignment, has been raised in two main types: Local network alignment and Global network alignment. According to the NPcompleteness of this problem, different nondeterministic 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).