福建农业学报３１（１０）：１１３１～１１３７，２０１６ Ｆｕｊｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ ｈｔｔｐｔ｝｝ ．ｆｉｎｙｘｂ．ｅｎ ｄｏｉ：１０．１９３０３／ｊ．ｉｓｓｎ．１００８—０３８４．２０１６．１０．０２４ 丁晓春，陈维信，李雪萍．蛋白质相互作用试验技术研究进展［刀．福建农业学报，２０１６，３１（１０）：１１３１—１１３７． ＤＩＮＧ Ｘ—Ｃ，ＣＨＥＮ Ｗ—Ｘ，ＬＩ ＸＵＥ－Ｐ．Ｒｅｓｅａｒｃｈ Ｐｒｏｇｒｅｓｓ ｏｆ Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ａ Ｒｅｓｅａｒｃｈ Ｒｅｖｉｅｗ ｏｆ ｔｈｅ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ ＥＪ３．Ｆｕｊｉａｎ Ｊｏｕｒｎａｌ ｏｆＡｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ，２０１６，３１（１Ｏ）：１１３１—１１３７． 蛋白质相互作用试验技术研究进展 丁晓春ｈ ，陈维信 ，李雪萍 （１．华南农业大学园艺学院，广东 广州 ５１０６４２；２．亚热带农业生物资源保护与利用国家重点试验室， 广东 广州 ５１０６４２；３．广东省果蔬保鲜重点试验室，广东 广州 ５１０６４２） 摘要：大多数表型功能的形成与蛋白质和基因产生的相互作用有关。蛋白质相互作用（ＰＰＩ，ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ）是研究蛋白质功能的重要手段，近年来发展较快。该技术在预测目的蛋白功能和基因功能上发挥了 重要作用。蛋白质相互作用的研究方法主要分为３类：体内试验、体外试验、模拟生物学试验。本文比较了这 些试验方法各自的特点及局限性，综述了蛋白质相互作用试验技术的研究进展及其在生物学研究中的应用，并 对该技术研究进行了展望。 关键词：蛋白质相互作用；体内试验；体外试验；模拟生物学试验 中图分类号：Ｑ ５１ 文献标识码：Ａ 文章编号：１００８—０３８４（２０１６）１Ｏ一１１３１—０８ Ｒｅｓｅａｒｃｈ Ｐｒｏｇｒｅｓｓ ｏｆ Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ａ Ｒｅｓｅａｒｃｈ Ｒｅｖｉｅｗ ｏｆ ｔｈｅ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ ＤＩＮＧ Ｘｉａｏ—ｃｈｕｎ ，０ｗ，ＣＨＥＮ Ｗｅｉ—ｘｉｎ ， ．ｕ。ＬＩ Ｘｕｅ－ｐｉｎｇ ， ・０ （１．Ｃｏｌｌｅｇｅ ｏｆ Ｈｏｒｔｉｃｕｌｔｕｒｅ，Ｓｏｕｔｈ Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ，Ｇｕａｎｇｄｏｎｇ ５１０６４２，Ｃｈｉｎａ； ２．Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｃｏｎｓｅｒｖａｔｉｏｎ ａｎｄ Ｕｔｉｌｉｚａｔｉｏｎ ｏｆ Ｓｕｂｔｒｏｐｉｃａｌ Ａｇｒｏ—ｂｉｏｒｅｓｏｕｒｃｅｓ Ｇｕａｎｇｚｈｏｕ． Ｇｕａｎｇｄｏｎｇ ５１０６４２，Ｃｈｉｎａ；３．Ｇｕａｎｇｄｏｎｇ Ｐｒｏｖｉｎｃｉａｌ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｐｏｓｔｈａｒｖｅｓｔ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｆｒｕｉｔｓ ａｎｄ Ｖｅｇｅｔａｂｌｅｓ Ｇｕａｎｇｚｈｏｕ，Ｇｕａｎｇｄｏｎｇ ５１０６４２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｍｏｓｔ ｐｈｅｎｏｔｙｐｉｃ ｆｕｎｃｔｉｏｎｓ ｃｏｍｅ ｆｒｏｍ ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｂｅｔｗｅｅｎ ｇｅｎｅｓ ａｎｄ ｐｒｏｔｅｉｎｓ．Ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ（ＰＰＩ）ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｔｅｃｈｎｏｌｏｇｙ ｔｈａｔ ｈａｓ ｄｅｖｅｌｏｐｅｄ ｒａｐｉｄｌｙ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ，ｔｏ ｓｔｕｄｙ ｐｒｏｔｅｉｎ ｆｕｎｃｔｉｏｎ ａｎｄ ｔｈｉｓ ｔｅｃｈｎｏｌｏｇｙ ｐｌａｙｓ ａ ｋｅｙ ｒｏｌｅ ｉｎ ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ ｆｕｎｃｔｉｏｎ ｏｆ ｔａｒｇｅｔ ｐｒｏｔｅｉｎｓ ａｎｄ ｇｅｎｅｓ．Ｔｈｅ ｍａｉｎ ｒｅｓｅａｒｃｈ ｍｅｔｈｏｄｓ ｏｆ ＰＰＩ ａｒｅ ｄｉｖｉｄｅｄ ｉｎｔｏ ｔｈｒｅｅ ｃａｔｅｇｏｒｉｅｓ：ｉｎ ｖｉｖｏ，ｉｎ ｖｉｔｒｏ ａｎｄ ｉｎ ｓｉｌｉｃｏ．Ｔｈｉｓ ｒｅｖｉｅｗ ｃｏｍｐａｒｅｓ ｔｈｅ ｃｈａｒａｃｔｅ ｒｉｓｔｉｃｓ ａｎｄ ｌｉｍｉｔａｔｉｏｎｓ ｏｆ ｔｈｅｓｅ ｍｅｔｈｏｄｓ，ｓｕｍｍａｒｉｚｅｓ ｔｈｅ ｐｒｏｇｒｅｓｓ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｉｎ ｂｉｏｌｏｇｙ ｒｅｓｅａｒｃｈ，ａｎｄ ｐｒｏｓｐｅｃｔｓ ｔｈｉｓ ｔｅｃｈｎｏｌｏｇｙ． Ｋｅｙ ｗｏｒｄｓ：ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ；ｉｎ ｖｉｖｏ ｍｅｔｈｏｄｓ；ｉｎ ｖｉｔｒｏ ｍｅｔｈｏｄｓ；ｉｎ ｓｉｌｉｃｏ ｍｅｔｈｏｄｓ 蛋白质是大多数生命活动的基本功能单位，调 控细胞内的物质运输、信号传导、代谢、催化和修 饰等诸多生理活动过程。氨基酸是蛋白质的基本组 动的完成，都伴随着相关蛋白质与底物、配体或小 分子的结合 ］。在体内，蛋白质几乎不单独执行它 们的功能，已经证明８０ 的蛋白没有单独执 成单位，氨基酸通过脱水缩合形成多肽链，再通过 空间折叠最终形成具有特定结构的蛋白质［】］。生命 体中绝大多数蛋白质功能的发挥，都是通过与其他 蛋白质相互作用完成的。细胞内重要的生理过程， 如细胞内的酶催化反应、信号通路、化学修饰等活 收稿日期：２０１６—０６—０７初稿；２０１６—０９—１６修改稿 行功能，而是形成蛋白复合物发挥作用［３］。蛋白质 互作（ＰＰＩ）及其构建的作用网络，在很多生命活 动中发挥着重要的作用＿４］，因此，研究蛋白质与蛋 白质相互作用具有重要的意义。 ＰＰＩ在许多生命活动中发挥重要的作用，如细 作者简介：丁晓春（１９９１一），女，硕士研究生，研究方向：果蔬贮藏与采后生理（Ｅ－ｍａｉｌ：５０２５８３９１６＠ｑｑ．ｃｏｒｎ） ＊通讯作者：李雪萍（１９６６一），女，博士，教授，研究方向：果蔬贮藏与采后生理（Ｅ—ｍａｉｌ：ｌｘｐ８８＠ｓｃａｕ．ｅｄｕ．ｏｎ） 基金项目：国家自然科学基金（３１３７２１１２）；广州市科技项目（２０１６０４０２０００３）；农业部公益性行业科研专项（２０１３０３０７７—１）；现代农 业产业技术体系建设专项资金项目（ＣＡＲＳ－３２—０９Ａ） １１３２ 福建农业学报 第３１卷 胞信号的转导和、代谢途径和大分子结构的形 成等［５］。随着人类、水稻、番茄和拟南芥等模式生 物基因组ｉ贝０序的完成，酵母双杂交系统、串联亲和 纯化、免疫共沉淀、ＧＳＴ Ｐｕｌｌ—ｄｏｗｎ、荧光共振能 量转移和表面等离子共振分析技术在许多研究领域 得到了广泛应用，这些技术为蛋白质相互作用的研 究提供了有效的技术工具 ］。大量蛋白质分析研究 揭示了在蛋白质相互作用中，一些含有相同细胞进 程的蛋白质被重复发现。ＰＰＩ的研究在推断细胞内 的蛋白质功能方面发挥了很重要的作用，可以通过 与已知蛋白质的相互作用来推断未知蛋白质的功 能。近些年，高通量的试验方法不断完善ＰＰＩ的 数据。全方位的ＰＰＩ网络结构也通过这些试验数 据资源构建，更多ＰＰＩ的原始数据也正在被证 实 ］。ＰＰＩ的可计算性分析网络正在进一步成为理 解未开发的蛋白质功能的强有力工具＿８］。目前， ＰＰＩ是现代系统生物学发展和进步的关键技术之 一＿９］，并显示出强大的生命力和广阔的发展前景。 鉴定蛋白质互作的方法可以分为３类：生物活 体外试验（ｉｎ ｖｉｔｒｏ）、活体内试验（ｉｎ ｖｉｖｏ）和模 拟生物学试验的生物信息学方法（ｉｎ ｓｉｌｉｃｏ）ｌ】 。 生物活体外试验需要在一个控制的环境中进行，方 法包括串联亲和纯化技术、亲和色谱分析法、免疫 共沉淀法、蛋白质阵列（蛋白质芯片技术）、蛋白 质片段互补法、噬菌体展示技术、Ｘ一光散射技术 和核磁共振波谱法等。在生物活体内研究蛋白质互 作的技术包括酵母双杂交系统（Ｙ Ｈ，Ｙ。Ｈ）、合 成致死突变技术 。模拟生物学试验的生物信息 学方法需要借助计算机或计算机芯片，方法包括基 于序列的方法、基于结构的方法、染色体亲和法、 基因融合、系统发生树、基于基因表达的方法 。 ｌ 活体外研究蛋白质互作的方法 ＰＰＩ的体外试验方法有串联亲和纯化、亲和色 谱法、免疫共沉淀、噬菌体展示法、蛋白碎片互补 法、蛋白质微阵列法、Ｘ一光散射技术和核磁共 振法。 １．１ 串联亲和纯化技术（Ｔａｎｄｅｍ ａｆｆｉｎｉｔｙ ｐｕｒｉｆｉｃａｔｉｏｎ，ＴＡＰ） ＴＡＰ标记法是在细胞固有环境下来研究蛋白 质与蛋白质相互作用口 。Ｇａｖｉｎ等 胡首次尝试用 ＴＡＰ标记进行高通量表达分析酵母的蛋白质组， 这种方法是基于染色体位点蛋白的双标记方法，将 特殊制作的ＴＡＰ标签融合到目标蛋白上，然后经 过两步亲和纯化，获得融合蛋白及其结构关联蛋 白，被检测的蛋白质通过ＳＤＳ—ＰＡＧＥ分离后，进 行质谱分析，鉴定组织蛋白质相互作用的蛋白 质［１引。ＴＡＰ标记的主要优势在于能够鉴定多种蛋 白复合物的作用和活体内的单体或多亚基蛋白复合 物。Ｒｕｂｉｏ等口 将ＴＡＰ标签改进为ＡＴＡＰ （Ａｌｔｅｒｎａｔｉｖｅ ＴＡＰ） 后， 与 ＣＳＮ （ＣＯＰ９ ｓｉｇｎａｌｓｏｍｅｌ３）基因融合表达分析，纯化出了ＣＳＮ 复合体，标记了拟南芥中一些光信号通路因 子，并通过突变体补偿分析证明大多ＴＡＰ融合蛋 白保留了野生型蛋白质的功能。 １．２ 亲和色谱分析法（Ａｆｆｉｎｉｔｙ ｃｈｒｏｍａｔｏｇｒａｐｈｙ ａｎａｌｙｓｉｓ。ＡＣＡ） 亲和色谱分析方法具有很高的敏感性，甚至最 弱的蛋白质相互作用也能被发现，并且能同等地测 试样本中蛋白质和耦合蛋白质的相互作用。然而， 因为蛋白质之间具有较高的特异性，即使这些蛋白 质没有在细胞系统中发挥作用，这种方法也会出现 假阳性，所以不能完全依赖亲和色谱法来研究蛋白 质的相互作用口 。需要其他方法对试验结果重新 核实和证明。亲和色谱分析方法能够结合ＳＤＳ－ ＰＡＧＥ技术和质谱分析技术来获得高通量数据。何 媛等以亲和色谱法为主要手段，结合微透析高效液 相色谱法和分子对接法对中药丹参注射液中三种活 性组分丹参素、原儿茶酸和咖啡酸与的竞争性相互 作用进行了深入研究，证明了三种组分竞争人血清 白蛋白（ｈｕｍａｎ ｓｅｒｕｍ ａｌｂｕｍｉｎ，ＨＳＡ）上同一位 点，说明中药丹参注射液中多组分间与ＨＳＡ结合 具有竞争抑制作用，使得原有组分游离浓度增加， 药效增强。同时，该研究还证明了亲和色谱法是一 种能够用于中药多组分与蛋白质的竞争性作用研究 的方法，且测定结果准确可靠口引。 １．３免疫共沉淀技术（Ｃｏ—ｉｍｍｕｎｏｐｒｅｃｉｐｉｔａｔｉｏｎ。 ＣｏＩＰ） 免疫共沉淀方法常用于将融合表达的带有蛋白 标签的特异性抗体与目标蛋白质或蛋白复合物结 合，形成蛋白复合物沉淀，从而检测蛋白质互 作＿１ 。如果蛋白质ｘ用其抗体免疫沉淀，在细胞 内与蛋白质Ｘ紧密结合的蛋白质Ｙ也能被沉淀下 来 。该方法需要细胞在变性条件下进行裂解， 使得完整细胞内许多蛋白质之间的结合被保存下 来 。另外，真核细胞能使转录水平发生改变， 对蛋白质相互作用至关重要，但是这不会发生在原 核生物中［２ 。鹿联明等通过免疫共沉淀技术检测 出水稻条纹病毒外壳蛋白（ｃｏａｔ ｐｒｏｔｅｉｎ，ＣＰ）能 够与病害特异蛋白（ｄｉｓｅａｓｅ—ｓｐｅｃｉａｌ ｐｒｏｔｅｉｎ，ＳＰ） 第１０期 丁晓春等：蛋白质相互作用试验技术研究进展 １１３３ 和运动蛋白ＮＳｖｃ４发生两两之间的互作关系 ， 这为水稻抗条纹病毒的研究提供了理论基础。但是 该技术的过程较复杂，同时只适用于研究具有高表 达量的目标蛋白，而表达量过高，又会破坏相互作 用的天然状态［２ 。随着质谱分析的敏感性增强， 基因序列的信息得到补充，这种方法的应用将会变 得更加广泛。 １．４其他方法 在活体外预测蛋白质相互作用的方法以串联亲 和纯化、亲和色谱法、免疫共沉淀这些方法比较常 见，应用范围也比较广，以下几种体外预测蛋白质 相互作用的方法是新型的试验方法，都有其各自的 优缺点。 蛋白质基因芯片可以模拟蛋白质的表达水平来 探索蛋白质相互作用和预测蛋白质的功能＿２ 。蛋 白质芯片的产生能将基因组学平台和蛋白质组学平 台很好地连接起来［２引。Ｕｅｔｚ等首次利用活体酵母 细胞构建了第１个包含了６ ０００个酵母克隆的蛋白 质芯片，用来研究ＰＰＩ［２ 。在该芯片上把每个克 隆所要表达的蛋白质的开放阅读框与ＧａＬ４激活域 相连，结合酵母双杂交技术能够很好地鉴定蛋白 质、基因等的交互作用［２７］。陈玉等嘲利用该技术 研究了水稻受逆境胁迫条件下基因的表达情况和逆 境胁迫相关蛋白的互作情况。 蛋白碎片互补分析（Ｐｒｏｔｅｉｎ－ｆｒａｇｍｅｎｔ ｃｏｍｐｌｅ— ｍｅｎｔａｔｉｏｎ ａｓｓａｙ，ＰＣＡｓ）是另外一种在生物学的 基础上鉴定蛋白质互作的方法。ＰＣＡｓ可以鉴定整 个家族中的蛋白质与蛋白质的相互作用，是在任何 活体细胞、多细胞生物、体外试验中研究蛋白质互 作的直接而简单的方法－２ 。另外，ＰＣＡｓ能够鉴定 任何分子量和表达量的ＰＰＩｌ＿２ ，鉴定蛋白质的工 具有两种：一是质谱分析多肽图谱，二是基于鸟 法的蛋白质组学的方法。Ｍｉｃｈｎｉｃｋ等利用ＰＣＡ绘 制酪氨酸激酶受体介导的信号转导途径，发现５个 新型的相互作用 结果表明ＰＣＡ策略可以完成一 般基因功能的确认及通路图的绘制，同时可以对信 号通路中蛋白质的互作反应进行监测，从而系统地 对各个信号通道进行分析［３ 。这种方法可以检测 任何细胞类型的互作和不同生长发育、不同环境因 素或激素介导的ＰＰＩ，但是灵敏度较低，操作方法 难度较大。 噬菌体展示方法有不同的操作和应用。Ｍ１３ 丝状噬菌体是最常用的方法之一，将编码兴趣蛋白 质的ＤＮＡ与编码病毒的外壳蛋白质的基因连接。 黄金华等利用小白鼠免疫和噬菌体展示技术构建了 噬菌体展示抗体文库，从文库中筛选获得了１株抗 克伦特罗单克隆抗体。该抗体的氨基酸序列尚未在 世界基因数据库中登录，是一个新的抗体。该噬菌 体展示的抗体片段可以用于竞争法检测克伦特罗的 含量，其能够检测出的最低浓度为１５．６ ｎｇ・ｍＬ＿。，具有较大的实用价值 ¨。 Ｘ一光散射技术本质上是一种高分辨率的显微 镜，能够使蛋白质的结构在能级水平上形象化，并 增加了对蛋白质功能的理解口 。尤其是这种方法 显示了蛋白质是如何与其他分子相互作用和酶构象 化的改变。通过这些信息，可以用一个特别标记的 蛋白质来设计新药口 。 在过去的几年里，研究者们对通过核磁共振光 谱学（ＮＭＲ）分析蛋白质和蛋白质间的相互作用 产生了浓厚的兴趣。结合界面的定位是ＮＭＲ法分 析蛋白质互作的关键ｒ３ 。ＮＭＲ光谱学的基础是通 过强磁场吸收由它们的化学环境支配的固有频率的 电磁辐射来激活原子核口 。金晨婷等Ｌ３。 利用 ＮＭＲ技术，研究发现蛋白质一蛋白质（多肽）相互 作用的研究不仅能观察大分子的信号，而且可以观 察小分子的信号。 ２ 活体内研究蛋白质互作的技术 酵母双杂交（Ｙｅａｓｔ ｔｗｏ—ｈｙｂｒｉｄ ｓｙｓｔｅｍ，Ｙ２ Ｈ） 是在体内分析蛋白质一蛋白质相互作用的基因系 统【３ 。在酵母双杂交的分析中，２种具有特殊功能 的蛋白质结构域是必需的：一种是用于连接ＤＮＡ 的ＤＮＡ结合结构域（ＤＢＤ），另一个是ＤＮＡ转录 激活结构域（ＡＤ），２种结构域对于报告基因的转 录都是必需的［３引。然而，这种方法可能导致大量 的假阳性，而许多真正的蛋白质间的相互作用可能 无法通过Ｙ Ｈ进行跟踪分析，而导致了假阴性的 结果。在酵母双杂交系统分析中，相互作用的蛋白 质必须被定位在细胞核，一些不可能存在于细胞核 内的蛋白质因其不能激活报告基因而被排除。。 。 一些经过翻译后修饰的蛋白质由于执行自身的功 能，在酵母双杂交系统中也无法正常互作［４ 。龙 皎月等 妇通过酵母双杂交技术在拟南芥中发现了 乙烯信号转导关键基因ＥＢＦ１和ＥＢＦ２蛋白 （ＥＩＮ３一ｂｉｎｄｉｎｇ Ｆ－ｂｏｘ ｐｒｏｔｅｉｎ），能够与ＥＩＮ３发生 互作，共同拟南芥的衰老 Ｇｕｙ等［４ ］发现乙 烯可以快速提高拟南芥ＥＩＮ３蛋白水平，表现出对 乙烯信号的负调节，结合基因表达分析确定了 ＥＩＮ３蛋白的是乙烯信号转导途径的关键步 骤。Ｌｉｕ等［４。 利用酵母双杂交技术筛选出了一种与 １１３４ 福建农业学报 第３１卷 肿瘤抑制蛋白相互作用的新蛋白ＣＣＤＣ１０６，试验 结果表明ＣＣＤＣ１０６能促进Ｐ３５蛋白的降解，从而 找到了抑制肿瘤的有效药物。李饶峰等 以真核 生物酵母为原型，利用酵母双杂交技术的报告基因 确定了治疗所用的生物活性肽类药物只有通过与来 源于细菌、病毒及肿瘤的蛋白质相互作用才能发挥 作用，阻止它们的相互作用可以达到治疗疾病的效 果，该技术在药物筛选方面得到了广泛的应用。 Ｐｅｄａｍａｌｌｕ等［４ 构建的酵母双杂交系统在体外转座 建立了ＰＰＩ的高精细图谱，为基因组蛋白连锁图 提供了依据。根据最近多个小组报道利用酵母双杂 交技术和其他技术结合证明了ＥＩＮ３／ＥＩＬｌ直接调 控除乙烯响应基因之外的其他生物学过程相关基 因，提出了ＥＩＮ３／ＥＩＬ１可以作为网络节点整合多 条信号通路的新观点［４ ４９］。酵母双杂技术在蛋白 组学、细胞信号转导、细胞周期和肿瘤基因表 达等领域的研究中将发挥越来越重要的作用。但 是，该方法假阳性高，需要结合其他试验技术进行 综合分析。 ３计算机生物模拟技术 Ｙ。Ｈ系统和其他用于检测体内或体外特殊蛋 白质问相互作用的方法的运用，促进了用于检测蛋 白质间相互作用的研究的大规模发展。然而，用这 些方法获得的数据可能不可信。为了更好地理解蛋 白质之间相互作用的网络，最好是找到一种尽可能 可以预测全部的蛋白质之间相互作用的方法。而通 过计算机模拟的方法预测蛋白质互作的有效性已得 到了验证。计算机的模拟方法包括：基于结构的方 法、基于序列的方法、基于基因表达和基因融合等 方法 。 ３．１基于结构的预测方法 基于结构预测蛋白质互作的原理是：相互作用 的蛋白质具有相似的结构。因此，如果两种蛋白质 Ａ和Ｂ彼此之间可以相互作用，那么推测与Ａ和 Ｂ结构相似的蛋白质Ｃ和Ｄ之间也可以发生相互 作用。但是，目前有很多蛋白质的结构还未知，所 以这种方法首先就是要通过序列去预测蛋白质的结 构。Ｌｕｅｔａｌ 妇使用多聚穿线的方法在酵母中检 测到２ ８６５种相互作用的蛋白质，并且有１ １３８种 蛋白质间的相互作用在ＤＩＰ中得到了确认。最近， 开发出了一种基于结构检测蛋白质之间相互作用的 新方法一Ｃｏｅｖｚ Ｎｅｔ计算法，对互作进行可靠性评 分，这种方法应用在二进制蛋白质的相互作用上优 于其他现有的方法。 ３．２基于序列的预测方法 基于蛋白质序列的预测方法，利用现有的计算 机技术，从已有的蛋白质序列数据信息出发，建立 各种模型和算法，对已知的序列信息进行分析来预 测蛋白质互作位点［４ 。通过与已知功能的蛋白质 相互作用，对未知功能的蛋白质进行功能分类，获 取蛋白质相互作用位点的相关信息，进而达到预测 蛋白质功能的目的。 ３．３基于基因融合的方法 基因融合法是基于一些生物体中的单编码区蛋 白质可以在其他生物体内发生融合形成多编码区的 蛋白质的原理建立的 。Ｓｋｒａｂａｎｅｋ［４ 的研究结果 表明，基因融合事件往往发生在参与代谢的蛋白质 之间。这种方法可以通过使用不同基因组中的编码 区的排列信息来预测蛋白质间的相互作用。然而， 这种方法只能应用于有编码区存在的蛋白质。 ３．４基于基因表达的方法 基因表达是指一定条件下和时间段内一个特定 的基因在细胞、组织、生物体内的表达。通过基于 基因表达的方法来预测蛋白质间的相互作用，利用 了生物体内全基因组水平高通量测序的优势。 Ｐａｕｗｅｌ等＿５。 通过运用聚类算法，对不同的基因根 据表达水平进行了分类。基因表达的方法是预测蛋 白质互作的一种直接的方法，但它不能精确鉴定蛋 白质间的相互作用。基因共表达可以作为其他研究 蛋白质相互作用方法的补充 。 ３．５常用的蛋白互作预测工具 研究一个基因及其编码的蛋白质时，除了了解 它们的功能外，另一方面需研究与此蛋白质相互作 用的其他蛋白质的信息，以使研究人员能够更加深 入地认清相关蛋白质的功能，更清楚地理解其 机制。下面是与研究蛋白质相互作用相关的数据库 应用系统。表１是常用的预测蛋白质相互作用的工 具。Ｓｔｒｕｃｔ２Ｎｅｔ 是基于蛋白质的结构来预测 可能的互作蛋白，Ｃｏｅｖ２Ｎｅｔ［５５￣和Ｐｒｉｓｍ Ｐｒｏｔｏｃｏｌ［５ 。］是根据已发表的试验结果和蛋白构象 来预测蛋白质之间的互作，ＩｎｔｅｒＰｒｅＴＳＥ 是基于 蛋白质第三结构来预测可能的蛋白互作， ＰｒｅＰＰＩ＿６。 是基于蛋白的结构和非结构特点来进 行预测，而ＰｏｉＮｅｔＬ６ 是根据其他数据库的网络拓 扑结构预测蛋白质之间的互作。 第１０期 丁晓春等：蛋白质相互作用试验技术研究进展 １１３５ 注：Ｅ５５—６４］ 化学，２００７，３５（５）：７６Ｏ一７６６． ４展 望 目前，用于ＰＰＩ研究的方法较多，如酵母双 杂交、串联亲和纯化等，可以通过不断改进，扬长 ［３］ＵＨＲＩＧ Ｊ Ｆ．Ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｎｅｔｗｏｒｋｓ ｉｎ ｐｌａｎｔｓ［Ｊ］． Ｐｌａｎｔａ，２００６，２２４（４）：７７１—７８１． ［４］ＢＲＡＵＮ Ｐ，ＧＩＮＧＲＡＳ Ａ Ｃ．Ｈｉｓｔｏｒｙ ｏｆ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ：ｆｒｏｍ ｅｇｇ—ｗｈｉｔｅ ｔｏ ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋｓ［Ｊ］． Ｐｒｏｔｅｏｍｉｃｓ，２０１２，１２（１０）：１４７８—１４９８． 避短，相互结合这些技术来不断完善ＰＰＩ网络。 但是，各种方法都有其利弊，试验过程中最好用体 内和体外不同的方式进行验证，确保试验结果的准 确性。相信在今后很长一段时间内，这些技术仍然 是蛋白质相互作用研究的重要工具。但是，有效的 试验方法不能ｉ００ 精确预测相互作用的蛋白质， 计算机模拟的方法会将蛋白质互作网络缩小到最可 能预测的一个子集。因此，这些生物模拟的蛋白质 互作方法将成为今后试验室研究的新起点。另外， 基因表达数据库和蛋白质互作数据库的共同使用也 将改善蛋白质相互作用的机制和相应蛋白质的互作 ［５］涂占晗，林旭．蛋白质相互作用研究的常用方法进展及比较 ［Ｊ］．中国当代医药，２０１２，１９（１４）：１８—２０． ［６］ＪＡＮＩＮ Ｊ，ＢＯＮＶＩＮ Ａ Ｍ．Ｐｒｏｔｅｉｎ—Ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎｓ［Ｊ］． Ｃｕｒｒｅｎｔ ｏｐｉｎｉｏｎ ｉｎ ｓｔｒｕｃｔｕｒａｌ ｂｉｏｌｏｇｙ，２０１３，２３（６）：８５９． ［７］ＯＦＲＡＮ Ｙ，ＲＯＳＴ Ｂ．Ｐｒｅｄｉｃｔｅｄ ｐｒｏｔｅｉｎ－ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｓｉｔｅｓ ｆｒｏｍ ｌｏｃａｌ ｓｅｑｕｅｎｃｅ ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．ＦＥＢＳ Ｌｅｔｔ，２００３，５４４ （１—３）：２３６—２３９． ［８３陈玉，刘鹏，陈由强，等．基因芯片技术在水稻抗逆基因表达 研究中的应用［Ｊ］．福建农业学报，２０１２，２７（１２）：１３９５— １４００． ［９］ＶＡＮ ＤＩＥＣＫ Ｊ，ＳＣＨＭＩＤ Ｖ，ＨＥＩＮＤＬ Ｄ，ｅｔ ａ１．Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ Ｂｉｓｐｅｅｉｆｉｅ Ｍｏｌｅｃｕｌｅｓ ｆｏｒ ｔｈｅ Ｉｎ Ｓｉｔｕ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｐｒｏｔｅｉｎ— 网络研究。最近，利用生物信息学模拟的方法研究 特殊疾病相关的信号转导途径和鉴定蛋白质化合物 的试验研究也丰富了蛋白质的互作网络结构。目前 建立的蛋白质相互作用网络往往局限于生物体发育 Ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎｓ ａｎｄ Ｐｒｏｔｅｉｎ Ｐｈｏｓｐｈ０ｒｙｌａｔｉ０ｎ ［Ｊ］． Ｃｈｅｍｉｓｔｒｙ＆ｂｉｏｌｏｇｙ，２０１４，２１（３）：３５７—３６８． ［１ｏ］ＪＡＮＩＮ Ｊ，ＢＯＮＶＩＮ Ａ Ｍ．Ｐｒｏｔｅｉｎ－Ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎｓ［Ｊ］． Ｃｕｒｒｅｎｔ ｏｐｉｎｉｏｎ ｉｎ ｓｔｒｕｃｔｕｒａｌ ｂｉｏｌｏｇｙ，２０１３，２３（６）：８５９． ［１１］ｃＨＡＲＬｏＴＥＡｕｘ Ｂ，ＺＨＯＮＧ Ｑ，ＤＲＥＺＥ Ｍ，ｅｔ ａ１．Ｐｒｏｔｅｉｎ－ ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ ａｎｄ ｎｅｔｗｏｒｋｓ：ｆｏｒｗａｒｄ ａｎｄ ｒｅｖｅｒｓｅ 进程中的某一个时空点，完善生命活动中的蛋白质 时空互作网络仍然是目前的一大难题。不过，这一 难题有可能通过对现有研究方法和技术的改进、不 同试验方法和技术的结合使用以及新技术的出现得 到解决。 ｅｄｇｅｔｉｃｓ［Ｍ］．Ｙｅａｓｔ Ｓｙｓｔｅｍｓ Ｂｉｏｌｏｇｙ，Ｓｐｒｉｎｇｅｒ，２０１１： １９７—２１３． １－１２］ＴＵＮＣＢＡＧ Ｎ，ＧＵＲＳＯＹ Ａ，ＮＵＳＳＩＮＯＶ Ｒ，ｅｔ ａ１． Ｐｒｅｄｉｃｔｉｎｇ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ ｏｎ ａ ｐｒｏｔｅｏｍｅ ｓｃａｌｅ ｂｙ ｍａｔｃｈｉｎｇ ｅｖｏｌｕｔｉｏｎａｒｙ ａｎｄ ｓｔｒｕｃｔｕｒａｌ ｓｉｍｉｌａｒｉｔｉｅｓ ａｔ ｉｎｔｅｒｆａｃｅｓ 参考文献： ［１］蒋英芝，贺连华，刘建军．蛋白质功能研究方法及技术［Ｊ］． 生物技术通报，２００９，（９）：３８—４３． ［２１孙宇，贾凌云，任军．蛋白质相互作用的研究方法［Ｊ］．分析 ｕｓｉｎｇ ＰＲＩＳＭ［Ｊ］．Ｎａｔｕｒｅ ｐｒｏｔｏｃｏｌｓ，２０１１，６（９）：１３４１— １３５４． ［１３］王煜涵．稻瘟菌ＭＡＰ蛋白酶互作蛋白的鉴定与分析［Ｏ３．长 春：吉林大学，２０１３． ｒ １４］ＭＡＥＤＡ Ｋ，ＰＯＬＥＴＴＯ Ｍ，ＣＨＩＡＰＰＡＲＩＮＯ Ａ，ｅｔ ａ１．Ａ ｌ１３６ 福建农业学报 第３１卷 ｇｅｎｅｒｉｃ ｐｒｏｔｏｃｏｌ ｆｏｒ ｔｈｅ ｐｕｒｉｆｉｃａｔｉｏｎ ａｎｄ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｏｆ ｗａｔｅｒ－ｓｏｌｕｂｌｅ ｃｏｍｐｌｅｘｅｓ ｏｆ ａｆｆｉｎｉｔｙ－ｔａｇｇｅｄ ｐｒｏｔｅｉｎｓ ａｎｄ ｌｉｐｉｄｓ ［３３］李永宏，廉芬，王文鹏，等．一种可用于轻气炮加载试验中 的光散射测试技术［Ｊ］．光散射学报，２０１５，（１）：１２１—１２４． ［３４］黄芳，黄晓兰，林晓珊，等．高效液相色谱一核磁共振光谱 法测定纺织品及纺织助剂中烷基酚聚氧乙烯醚［Ｊ］．理化检 验：化学分册，２００７，（１）：５—７． ［Ｊ］．Ｎａｔ Ｐｒｏｔｏｃ，２０１４，９（９）：２２５６—２２６６． ［１５］江月，丛浩龙，王健，等．串联亲和纯化技术筛选肠病毒７１ 型３Ｄ聚合酶的相互作用蛋白［Ｊ］．第三军医大学学报， ２０１２。３４（６）：５２６—５２９． ［３５］王新，薛玉．核磁共振光谱分析技术及其在浆纸研究中的应 用简述［Ｊ］．中小企业管理与科技：下旬刊，２０１２， （１０）： １４１—１４２． ［１６］ＭＯＲＴＥＮＳＥＮ Ｌ Ｓ，ＳＣＨＭＩＤＴ Ｈ，ＦＡＲＳＩ Ｚ，ｅｔ ａ１．ＫＶ １０．１ ｏｐｐｏｓｅｓ ａｃｔｉｖｉｔｙ—ｄｅｐｅｎｄｅｎｔ ｉｎｃｒｅａｓｅ ｉｎ Ｃａ ＋ｉｎｆｌｕｘ ｉｎｔｏ ｔｈｅ ｐｒｅｓｙｎａｐｔｉｃ ｔｅｒｍｉｎａｌ ｏｆ ｔｈｅ ｐａｒａｌｌｅｌ ｆｉｂｒｅ－Ｐｕｒｋｉｎｊｅ ｃｅｌｌ ｓｙｎａｐｓｅ ［３６］金晨婷，武光亮．核磁共振技术在蛋白质一配体相互作用研 究中的应用［Ｊ］．宁波化工，２０１１，（１）：９—１４． ［３７］ＨＵ Ｙ，ＪＩＡＮＧ Ｌ，ＷＡＮＧ Ｆ，ｅｔ ａ１．Ｊａｓｍｏｎａｔｅ Ｒｅｇｕｌａｔｅｓ ｔｈｅ ［Ｊ］．Ｊ Ｐｈｙｓｉｏｌ，２０１５，５９３（１）：１８１—１９６． ［１７］王淼，薛巧如，姚敏菲，等．高效亲和色谱法测定静注人免 疫球蛋白ＩｇＧ ＥＪ］．今Ｅｌ药学，２０１０，（４）：３１—３３． ［１８３何嫒．功能蛋白与药物相互作用的亲和色谱法研究［Ｄ］．西 安：西北大学，２０１２． ［１９３郭纯．免疫共沉淀技术的研究进展［Ｊ］．中医药导报，２００７， （１２）：８６—８９． ［２Ｏ］柴政斌，张更林，韩金祥．ＧＳＴ—ｐｕｌｌ ｄｏｗｎ技术在蛋白质相互 作用中的应用［Ｊ］．中国生物制品学杂志，２０１４， （１０）： １３５４—１３５８． ［２１］郭纯．免疫共沉淀技术的研究进展［Ｊ］．中医药导报，２００７， （１２）：８６—８９． ［２２３鹿连明，秦梅玲，王萍，等．利用免疫共沉淀技术研究ＲＳＶ ＣＰ、ＳＰ和ＮＳｖｃ４蛋白的互作［Ｊ］．农业生物技术学报， ２００８，１６（５）：８９１—８９７． ［２３］刘东擘，李生茂，梁华平，等．ＧＳＴ Ｐｕｌｌ—ｄｏｗｎ试验鉴定ＮＦ— ＫＢ相互作用多肽［Ｊ］．免疫学杂志，２００６，２２（１）：９４—９７． ［２４］高燕，杨松光，崔玉海，等．拟南芥染色质重塑因子ＡｔＢＲＭ 和ＡｔＳＷＩ３Ｃ基因的克隆及生物信息学分析口］．广东农业科 学，２０１２，（１４）：１３１—１３５． ［２５］孙平，张逢春，张影．蛋白质芯片技术的研究及应用现状 口］．北华大学学报：自然科学版，２００９，（２）：１１５—１２０． ［２６］ＷＵＣＨＴＹ Ｓ，ＵＥＴＺ Ｐ．Ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ Ｎｅｔｗｏｒｋｓ ０ｆ Ｅ．ｅｏｌｉ ａｎｄ Ｓ．ｅｅｒｅｖｉｓｉａｅ ａｒｅ ｓｉｍｉｌａｒ［Ｊ］．Ｓｃｉｅｎｔｉｆｉｃ Ｒｅｐｏｒｔｓ，２０１４。（４）：７１８７． ［２７］ＦＯＦＦＩ Ｇ，ＰＡＳＴＯＲＥ Ａ，ＰＩＡＺＺＡ Ｆ，ｅｔ ａ１．Ｍａｃｒｏｍｏｌｅｅｕｌａｒ ｃｒｏｗｄｉｎｇ：ｃｈｅｍｉｓｔｒｙ ａｎｄ ｐｈｙｓｉｃｓ ｍｅｅｔ ｂｉｏｌｏｇｙ（Ａｓｃｏｎａ。 Ｓｗｉｔｚｅｒｌａｎｄ，１０—１４ Ｊｕｎｅ ２０１２）［Ｊ］．Ｐｈｙｓｉｃａｌ Ｂｉｏｌｏｇｙ，２０１３， １０（４）：４０３０１． ［２８］潘虹，雷珍珍，许可静，等．绿色荧光蛋白在微生物与植物 互作研究中的应用研究进展［Ｊ］．广东农业科学，２０１２， （３）：１５０—１５３． ［２９］张洁，柳长柏．蛋白片段互补分析方法及其应用口］ 生物技 术通报，２０１３，（２）：６７—７１． ［３ｏ３ ＬＥＶＹ Ｅ Ｄ，ＭＩＣＨＮＩＣＫ Ｓ Ｗ，ＬＡＮＤＲＹ Ｃ Ｒ．Ｐｒｏｔｅｉｎ ａｂｕｎｄａｎｃｅ ｉｓ ｋｅｙ ｔｏ ｄｉｓｔｉｎｇｕｉｓｈ ｐｒｏｍｉｓｃｕｏｕｓ ｆｒｏｍ ｆｕｎｃｔｉｏｎａｌ ｐｈ０ｓｐｈｏｒｙ１ａｔｉｏｎ ｂａｓｅｄ ｏｎ ｅｖｏｌｕｔｉｏｎａｒｙ ｉｎｆｏｒｍａｔｉｏｎ ［Ｊ］． Ｐｈｉｌｏｓｏｐｈｉｃａｌ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ Ｂ：Ｂｉｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅｓ，２０１２，３６７（１６０２）：２５９４—２６０６． ［３１］董金华，唐玉海，乔宁，等．噬菌体展示抗克伦特罗抗体文 库的构建及单克隆抗体的筛选［Ｊ］．生物技术通报，２０１４， （２）：１３６—１４２． ［３２］张莉．光散射技术在蛋白质分析与纳米微粒表征中的应用 ［Ｄ］．重庆：西南大学，２００７． ＩＮＤＵＣＥＲ ＯＦ ＣＢＦ ＥＸＰＲＥＳＳＩＯＮ—Ｃ－ＲＥＰＥＡＴ ＢＩＮＤＩＮＧ ＦＡＣＴＯＲ／ＤＲＥ ＢＩＮＤＩＮＧ ＦＡＣＴＯＲ１ Ｃａｓｃａｄｅ ａｎｄ Ｆｒｅｅｚｉｎｇ Ｔｏｌｅｒａｎｃｅ ｉｎ Ａｒａｂｉｄｏｐｓｉｓ［Ｊ］．Ｔｈｅ Ｐｌａｎｔ Ｃｅｌｌ，２０１３，２５（８）： ２９０７—２９２４． ［３８］秦宝明，罗述金，米志勇，等．酵母双杂合系统的改进和发 展［Ｊ］．生物工程进展，１９９８，（４）：２—９． ［３９］刘长仁，刘伟，翟金玲，等．拟南芥ＡｔＧＲＰ７基因诱饵载体 的构建及酵母双杂的初筛口］．热带生物学报，２０１２，（２）： ｌ２１—１２５． ［４ｏ］訾亮，洪灏，翟金玲，等．拟南芥ＮｉＮＪＡ基因酵母双杂诱饵 载体构建及互作蛋白的筛选［Ｊ］．热带生物学报，２０１３，４ （１）：３１—３５． ［４１］龙皎月．番茄乙烯信号转导组分ＥＩＮ３互作蛋白ＬｅＥＢＦｓ的基 因克隆和功能研究［Ｄ］．重庆：重庆大学，２００８． ［４２］ＧＵＹ Ｅ，ＬＡＵＴＩＥＲ Ｍ，ＣＨＡＢＡＮＮＥＳ Ｍ，ｅｔ ａ１．ｘｏｐＡＣ－ ｔｒｉｇｇｅｒｅｄ Ｉｍｍｕｎｉｔｙ ａｇａｉｎｓｔ Ｘａｎｔｈｏｍｏｎａｓ Ｄｅｐｅｎｄｓ ｏｎ Ａｒａｂｉｄｏｐｓｉｓ Ｒｅｃｅｐｔｏｒ—Ｌｉｋｅ Ｃｙｔｏｐｌａｓｍｉｃ Ｋｉｎａｓｅ Ｇｅｎｅｓ ＰＢＬ２ ａｎｄ ＲＩＰＫ［Ｊ］．ＰＬＯＳ ＯＮＥ，２０１３，８：ｅ７３４６９８． ［４３］ＬＩＵ Ｊ，ＺＨＡＮＧ Ｊ，ＪＩＡ Ｃ，ｅｔ ａ１．Ｔｈｅ ｉｎｔｅｒａｃｔｉｏｎ ｏｆ ｂａｎａｎａ ＭＡＤＳ－ｂｏｘ ｐｒｏｔｅｉｎ ＭｕＭＡＤＳ１ ａｎｄ ｕｂｉｑｕｉｔｉｎ—ａｃｔｉｖａｔｉｎｇ ｅｎｚｙｍｅ Ｅ—ＭｕＵＢＡ ｉｎ ｐｏｓｔ—ｈａｒｖｅｓｔ ｂａｎａｎａ ｆｒｕｉｔ［Ｊ］．Ｐｌａｎｔ Ｃｅｌｌ Ｒｅｐｏｒｔｓ．２０１３，３２（Ｉ）：１２９—１３７． ［４４］李渝萍，陈敏，陈彬，等．利用酵母双杂合系统筛选与 ｈＥＲＲａｌ相互作用的蛋白质［Ｊ］．第三军医大学学报，２００３， （Ｉ５）：１３５２—１３５４． ［４５］ＰＥＤＡＭＡＬＬＵ Ｃ Ｓ，ＰＯＳＦＡＩ Ｊ． Ｏｐｅｎ ｓｏｕｒｃｅ ｔｏｏｌ ｆｏｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｇｅｎｏｍｅ ｗｉｄｅ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｎｅｔｗｏｒｋ ｂａｓｅｄ ｏｎ ｏｒｔｈｏｌｏｇ ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．Ｓｏｕｒｃｅ Ｃｏｄｅ Ｂｉｏｌ Ｍｅｄ， ２Ｏ１０，５（１）：８． ［４６］ＳＨＯＫＥＩＲ Ｔ．Ｉｍｐａｃｔ ｏｆ ｌｕｔｅａｌ ｐｈａｓｅ ｈｙｓｔｅｒｏｓｃｏｐｙ ａｎｄ ｃｏｎｃｕｒｒｅｎｔ ｅｎｄｏｍｅｔｒｉａｌ ｂｉｏｐｓｙ ｏｎ ｓｕｂｓｅｑｕｅｎｔ ＩＶＦ ｃｙｃｌｅ ｏｕｔｃｏｍｅ［Ｊ］．Ａｒｃｈｉｖｅｓ ｏｆ Ｇｙｎｅｃｏｌｏｇｙ ａｎｄ Ｏｂｓｔｅｔｒｉｃｓ．２０１４， ２９０（２）：３６９—３７４． ［４７３ ＴＲＯＩＳＩ Ｒ，ＧＡＮＭＡＡ Ｄ，ＤＯＳ ＳＡＮＴＯＳ ＳＩＬＶＡ Ｉ，ｅｔ ａ１． Ｔｈｅ Ｒｏｌｅ ｏｆ Ｈｏｒｍｏｎｅｓ ｉｎ ｔｈｅ Ｄｉｆｆｅｒｅｎｃｅｓ ｉｎ ｔｈｅ Ｉｎｃｉｄｅｎｃｅ ｏｆ Ｂｒｅａｓｔ Ｃａｎｃｅｒ ｂｅｔｗｅｅｎ Ｍｏｎｇｏｌｉａ ａｎｄ ｔｈｅ Ｕｎｉｔｅｄ Ｋｉｎｇｄｏｍ ＿Ｊ］．ＰＬｏＳ ＯＮＥ，２０１４，９（１２）：ｅｌ１４４５５． ［４８］艾观华，周建红，方慧生．基于蛋白质序列预测蛋白质一蛋白 质相互作用位点研究进展［Ｊ］．药物生物技术，２０１１，（２）： １６５—１６９． ［４９］ＳＫＲＡＢＡＮＥＫ Ｌ，ＳＡＩＮＩ Ｈ Ｋ，ＢＡＤＥＲ Ｇ Ｄ，ｅｔ ａ１． Ｃｏｍｐｕｔａｔｉｏｎａｌ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ［Ｊ］． 第１Ｏ期 丁晓春等：蛋白质相互作用试验技术研究进展 Ｓｙｍｐ Ｂｉｏｃｏｍｐｕｔ，２００６：４０３ ４１４． １１３７ Ｍｏｌｅｃｕｌａｒ ｂｉｏｔｅｃｈｎｏ１ｏｇｙ，２００８，３８（１）：１一ｌ７． ＫＡＮＮ０ Ｅ， ［５Ｏ］ １ＳＨＩＢＡＳＨＩ Ｋ， Ｋ（）ＢＡＹＡＳＨＩ Ｈ， ｅｔ ａ１． ［５８］ＰＥＡＲＳＥ Ｒ Ｍ．Ｐｒｅｖｅｎｔｉｏｎ ｏｆ Ｒｅｓｐｉｒａｔｏｒｙ Ｉｎｓｕｆｆｉｃｉｅｎｃｙ ａｆｔｅｒ Ｓｕｒｇｉｃａｌ Ｍａｎａｇｅｍｅｎｔ（ＰＲＩＳＭ）ｔｒｉａｌ：ｒｅｐｏｒｔ ｏｆ ｔｈｅ ｐｒｏｔｏｃｏｌ ｆｏｒ ａ ｐｒａｇｍａｔｉｃ ｒａｎｄｏｍｉｓｅｄ ｃｏｎｔｒｏｌｌｅｄ ｔｒｉａｌ ｏｆ Ｃｏｎｔｉｎｕｏｕｓ Ｐｏｓｉｔｉｖｅ Ａｉｒｗａｙ Ｐｒｅｓｓｕｒｅ（ＣＰＡＰ）ｔｏ ｐｒｅｖｅｎｔ ｒｅｓｐｉｒａｔｏｒｙ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｓｃｒｅｅｎｉｎｇ ｆｏｒ ｎｏｖｅｌ ｒａｂ ｂｉｎｄｉｎｇ ｐｒｏｔｅｉｎｓ ｂｙ ＧＳＴ ｐｕｌｌ—ｄｏｗｎ ａｓｓａｙ ｕｓｉｎｇ ６０ ｄｉｆｆｅｒｅｎｔ ｍａｍｍａｌｉａｎ Ｒａｂｓ［Ｊ］． Ｔｒａｆｆｉｃ，２０１０，１１（４）：４９ｌ一５Ｏ７． ＫＯＬＬＭＡＮＮ Ｃ Ｓ．ＢＡＩ Ｘ，ＴＳＡＩ Ｃ．ｅｔ ａ１．Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ［５１］ Ｅｎｃｏｄｅｄ Ｌｉｂｒａｒｙ Ｔｅｃｈｎｏｌｏｇｙ（ＥＬＴ）ｔｏ ａ Ｐｒｏｔｅｉｎ Ｐｒｏｔｅｉｎ Ｉｎｔｅｒａｃｔｉｏｎ ｔａｒｇｅｔ：Ｄｉｓｃｏｖｅｒｙ ｏｆ ａ Ｐｏｔｅｎｔ Ｃｌａｓｓ ｏｆ ｌｎｔｅｇｒｉｎ Ｌｙｍｐｈｏｃｙｔｅ Ｆｕｎｃｔｉｏｎ—ａｓｓｏｃｉａｔｅｄ Ａｎｔｉｇｅｎ １ （ＬＦＡ一１） ｃｏｍｐｌｉｃａｔｉｏｎｓ ａｎｄ ｉｍｐｒｏｖｅ ｓｕｒｖｉｖａｌ ｆｏｌｌｏｗｉｎｇ ｍａｊｏｒ ａｂｄｏｍｉｎａｌ ｓｕｒｇｅｒｙ［Ｊ］．Ｍｉｎｅｒｖａ Ａｎｅｓｔｅｓｉｏｌ，２０１６，８２（１０）：１０２３—１０２５． ［５９］ＣＺＡＪＡ Ｓ Ｊ．Ｔｈｅ ｐｅｒｓｏｎａｌｉｚｅｄ ｒｅｍｉｎｄｅｒ ｉｎｆｏｒｍａｔｉｏｎ ａｎｄ ｓｏｃｉａｌ ｍａｎａｇｅｍｅｎｔ ｓｙｓｔｅｍ（ＰＲＩＳＭ）ｔｒｉａＩ：ｒａｔｉｏｎａｌｅ，ｍｅｔｈｏｄｓ ａｎｄ Ａｎｔａｇｏｎｉｓｔｓ［Ｊ］．Ｂｉｏｏｒｇａｎｉｃ＆Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ，２０１４， ｂａｓｅｌｉｎｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ［Ｊ］．Ｃｏｎｔｅｍｐ Ｃｌｉｎ Ｔｒｉａｌｓ，２０１５，４０： ２２（７）：２３５３—２３６５． ［５２］ ＺＨＡＮＧＸ，ＷＡＩ ＫＥＲ Ｒ Ｃ，ＰＨＩＺＩＣＫＹ Ｅ Ｍ，ｅｔ ａ１．Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｓｅｑｕｅｎｃｅ ａｎｄ Ｃｏｖａｌｅｎｔ Ｍｏｄｉｆｉｃａｔｉｏｎｓ ｏｎ Ｙｅａｓｔ ｔＲＮＡ Ｄｙｎａｍｉｃｓ＿Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｈｅｍｉｃａｌ Ｔｈｅｏｒｙ ａｎｄ Ｃｏｍｐｕｔａｔｉｏｎ， ２Ｏ１４，１０（８）：３４７３—３４８３． ［５３］ ＧＲＡＮＴＴ Ｄ，Ｉ ＵＦＴ Ｊ Ｒ，Ｗ０ＬＦＬＥＹ Ｊ Ｒ，ｅｔ ａ１．Ｔｈｅ Ｓｔｒｕｃｔｕｒｅ ｏｆ Ｙｅａｓｔ Ｇｌｕｔａｍｉｎｙｌ ｔＲＮＡ Ｓｙｎｔｈｅｔａｓｅ ａｎｄ Ｍｏｄｅｌｉｎｇ ｏｆ Ｉｔｓ Ｉｎｔｅｒａｃｔｉｏｎ ｗｉｔｈ ｔＲＮＡ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍｏｌｅｃｕｌａｒ Ｂｉｏｌｏｇｙ，２０１３，４２５（１４）：２４８０—２４９３． ［５４］ Ｉ １Ｕ Ｐ．Ｅｘｐｌｏｒｉｎｇ ｔｈｅ Ｍｏｌｅｃｕｌａｒ Ｍｅｃｈａｎｉｓｍ ａｎｄ Ｂｉｏｍａｋｅｒｓ ｏｆ Ｌｉｖｅｒ Ｃａｎｃｅｒ Ｂａｓｅｄ ｏｎ Ｇｅｎｅ Ｅｘｐｒｅｓｓｉｏｎ Ｍｉｃｒｏａｒｒａｙ Ｌ Ｊ］． Ｐａｔｈｏｌ Ｏｎｃｏｌ Ｒｅｓ，２０１５，２１（４）：１Ｏ７７—１０８３． ［５５］ ＨＯＳＵＲ Ｒ． Ａ ｃｏｍｐｕｔａｔｉｏｎａｌ ｆｒａｍｅｗｏｒｋ ｆｏｒ ｂｏｏｓｔｉｎｇ ｃｏｎｆｉｄｅｎｃｅ ｉｎ ｈｉｇｈ ｔｈｒｏｕｇｈｐｕｔ ｐｒｏｔｅｉｎ ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｄａｔａｓｅｔｓ［Ｊ］．Ｇｅｎｏｍｅ Ｂｉｏｌ，２０１２，１３（８）：Ｒ７６． ［５６］ ＳＩＮＧＨ Ｒ．Ｓｔｒｕｃｔ２Ｎｅｔ：ａ ｗｅｂ ｓｅｒｖｉｃｅ ｔｏ ｐｒｅｄｉｃｔ ｐｒｏｔｅｉｎ ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ ｕｓｉｎｇ ａ ｓｔｒｕｃｔｕｒｅ—ｂａｓｅｄ ａｐｐｒｏａｃｈ［Ｊ］． Ｎｕｃｌｅｉｃ Ａｃｉｄｓ Ｒｅｓ，２０１０，３８（Ｗｅｂ Ｓｅｒｖｅｒ ｉｓｓｕｅ）：Ｗ５０８—５１５． ［５７］ ＳＩＮＧＨ Ｒ，ＸＵ Ｊ，ＢＥＲＧＥＲ Ｂ．Ｓｔｒｕｃｔ２ｎｅｔ：ｉｎｔｅｇｒａｔｉｎｇ ｓｔｒｕｃｔｕｒｅ ｉｎｔｏ ｐｒｏｔｅｉｎ ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｐｒｅｄｉｃｔｉｏｎ［Ｊ］．Ｐａｃ ３５——４６． ［６Ｏ］ＴＵＮＣＢＡＧ Ｎ．Ｐｒｅｄｉｃｔｉｎｇ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ ｏｎ ａ ｐｒｏｔｅｏｍｅ ｓｃａｌｅ ｂｙ ｍａｔｃｈｉｎｇ ｅｖｏｌｕｔｉｏｎａｒｙ ａｎｄ ｓｔｒｕｃｔｕｒａｌ ｓｉｍｉｌａｒｉｔｉｅｓ ａｔ ｉｎｔｅｒｆａｃｅｓ ｕｓｉｎｇ ＰＲＩＳＭ＿Ｊ］．Ｎａｔ Ｐｒｏｔｏｃ，２０１１， ６（９）：１３４１～１３５４． ［６１］ＧＯＮＺＡＩ ＥＺ Ａ Ｊ，ＬＩＡＯ １．Ｐｒｅｄｉｃｔｉｎｇ ｄｏｍａｉｎ—ｄｏｍａｉｎ ｉｎｔｅｒａｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｄｏｍａｉｎ ｐｒｏｆｉｌｅｓ ｗｉｔｈ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ａｎｄ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅｓ［Ｊ］．ＢＭＣ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ，２０１０， １１：５３７． ［６２］ＺＨＡＮＧ Ｑ Ｃ．ＰｒｅＰＰＩ：ａ ｓｔｒｕｃｔｕｒｅ—ｉｎｆｏｒｍｅｄ ｄａｔａｂａｓｅ ｏｆ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ［Ｊ］．Ｎｕｃｌｅｉｃ Ａｃｉｄｓ Ｒｅｓ，２０１３，４１ （Ｄａｔａｂａｓｅ ｉｓｓｕｅ）：８２８—８３３． ［６３］ ＺＨＡＮＧ Ｑ Ｃ．Ｓｔｒｕｃｔｕｒｅ ｂａｓｅｄ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｐｒｏｔｅｉｎ—ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｉｏｎｓ ｏｎ ａ ｇｅｎｏｍｅ ｗｉｄｅ ｓｃａｌｅ［Ｊ］．Ｎａｔｕｒｅ，２０１２，４９０ （７４２１）：５５６～５６０． ［６４］ ＬＥＥ Ｓ Ａ．ＰＯＩＮｅＴ：ｐｒｏｔｅｉｎ ｉｎｔｅｒａｃｔｏｍｅ ｗｉｔｈ ｓｕｂ—ｎｅｔｗｏｒｋ ａｎａｌｙｓｉｓ ａｎｄ ｈｕｂ ｐｒｉｏｒｉｔｉｚａｔｉｏｎ［Ｊ］．ＢＭＣ Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ， ２ＯＯ９，１０：１１４． （责任编辑：翁志辉）
