Interaction networks: From protein functions to drug discovery. A review

Most genes, proteins and other components carry out their functions within a complex network of interactions and a single molecule can affect a wide range of other cell components. A global, integrative, approach has been developed for several years, including protein–protein interaction networks (i...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Pathologie biologie (Paris) 2009-06, Vol.57 (4), p.324-333
Hauptverfasser: Chautard, E., Thierry-Mieg, N., Ricard-Blum, S.
Format: Artikel
Sprache:eng
Schlagworte:
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 333
container_issue 4
container_start_page 324
container_title Pathologie biologie (Paris)
container_volume 57
creator Chautard, E.
Thierry-Mieg, N.
Ricard-Blum, S.
description Most genes, proteins and other components carry out their functions within a complex network of interactions and a single molecule can affect a wide range of other cell components. A global, integrative, approach has been developed for several years, including protein–protein interaction networks (interactomes). In this review, we describe the high-throughput methods used to identify new interactions and to build large interaction datasets. The minimum information required for reporting a molecular interaction experiment (MIMIx) has been defined as a standard for storing data in publicly available interaction databases. Several examples of interaction networks from molecular machines (proteasome) or organelles (phagosome, mitochondrion) to whole organisms (viruses, bacteria, yeast, fly, and worm) are given and attempts to cover the entire human interaction network are discussed. The methods used to perform the topological analysis of interaction networks and to extract biological information from them are presented. These investigations have provided clues on protein functions, signalling and metabolic pathways, and physiological processes, unraveled the molecular basis of some diseases (cancer, infectious diseases), and will be very useful to identify new therapeutic targets and for drug discovery. A major challenge is now to integrate data from different sources (interactome, transcriptome, phenome, localization) to switch from static to dynamic interaction networks. The merging of a viral interactome and the human interactome has been used to simulate viral infection, paving the way for future studies aiming at providing molecular basis of human diseases. La plupart des gènes, des protéines et des autres constituants cellulaires exercent leurs fonctions au sein d’un réseau complexe d’interactions et une seule molécule peut affecter un ensemble d’autres molécules. Une approche globale, intégrative, a été développée depuis plusieurs années pour construire des réseaux d’interactions protéine–protéine (interactomes). Dans cette revue sont décrites les méthodes dites « haut débit » qui permettent d’identifier plusieurs milliers d’interactions en parallèle. L’information minimale pour décrire une expérience d’interaction moléculaire (MIMIx) a été définie pour le stockage des données dans des bases de données d’interactions publiquement disponibles. Plusieurs exemples de réseaux d’interactions sont donnés, des machines moléculaires (protéasome) ou des organell
doi_str_mv 10.1016/j.patbio.2008.10.004
format Article
fullrecord <record><control><sourceid>proquest_cross</sourceid><recordid>TN_cdi_proquest_miscellaneous_67317823</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><els_id>S0369811408002538</els_id><sourcerecordid>67317823</sourcerecordid><originalsourceid>FETCH-LOGICAL-c426t-e7261dfd1033b58776f4dd079d48edba3e2128f080aa9ef9db7e7acc216808bc3</originalsourceid><addsrcrecordid>eNp9kE1PwzAMhiMEYmPwDxDKiVuL05Ym5YCEJj4mTeIC5yhNXJSxNSNJmfbvydgkbpxs2a_t1w8hlwxyBqy-WeRrFVvr8gJApFIOUB2RMeO1yErGqmMyhrJuMpHyETkLYQHAOKvYKRmxBjg0vBiTl1kf0Ssdretpj3Hj_Ge4o0_erejau4i2p93Q__YDjY4aP3xQY4N23-i3OX2gHr8tbs7JSaeWAS8OcULenx7fpi_Z_PV5Nn2YZ7oq6pghL2pmOsOgLNtbwXndVcYAb0wl0LSqxIIVogMBSjXYNablyJXWBasFiFaXE3K935vcfQ0YolwlM7hcqh7dEGTNS8ZFUSZhtRdq70Lw2Mm1tyvlt5KB3BGUC7knKHcEd9VEMI1dHfYP7QrN39ABWRLc7wWYvkyfexm0xV6jsR51lMbZ_y_8ACcrhII</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype><pqid>67317823</pqid></control><display><type>article</type><title>Interaction networks: From protein functions to drug discovery. A review</title><source>MEDLINE</source><source>Elsevier ScienceDirect Journals</source><creator>Chautard, E. ; Thierry-Mieg, N. ; Ricard-Blum, S.</creator><creatorcontrib>Chautard, E. ; Thierry-Mieg, N. ; Ricard-Blum, S.</creatorcontrib><description>Most genes, proteins and other components carry out their functions within a complex network of interactions and a single molecule can affect a wide range of other cell components. A global, integrative, approach has been developed for several years, including protein–protein interaction networks (interactomes). In this review, we describe the high-throughput methods used to identify new interactions and to build large interaction datasets. The minimum information required for reporting a molecular interaction experiment (MIMIx) has been defined as a standard for storing data in publicly available interaction databases. Several examples of interaction networks from molecular machines (proteasome) or organelles (phagosome, mitochondrion) to whole organisms (viruses, bacteria, yeast, fly, and worm) are given and attempts to cover the entire human interaction network are discussed. The methods used to perform the topological analysis of interaction networks and to extract biological information from them are presented. These investigations have provided clues on protein functions, signalling and metabolic pathways, and physiological processes, unraveled the molecular basis of some diseases (cancer, infectious diseases), and will be very useful to identify new therapeutic targets and for drug discovery. A major challenge is now to integrate data from different sources (interactome, transcriptome, phenome, localization) to switch from static to dynamic interaction networks. The merging of a viral interactome and the human interactome has been used to simulate viral infection, paving the way for future studies aiming at providing molecular basis of human diseases. La plupart des gènes, des protéines et des autres constituants cellulaires exercent leurs fonctions au sein d’un réseau complexe d’interactions et une seule molécule peut affecter un ensemble d’autres molécules. Une approche globale, intégrative, a été développée depuis plusieurs années pour construire des réseaux d’interactions protéine–protéine (interactomes). Dans cette revue sont décrites les méthodes dites « haut débit » qui permettent d’identifier plusieurs milliers d’interactions en parallèle. L’information minimale pour décrire une expérience d’interaction moléculaire (MIMIx) a été définie pour le stockage des données dans des bases de données d’interactions publiquement disponibles. Plusieurs exemples de réseaux d’interactions sont donnés, des machines moléculaires (protéasome) ou des organelles (phagosome, mitochondrie) jusqu’aux organismes entiers (virus, bactéries, levure, mouche et vers). Les tentatives de construction de l’interactome humain entier ainsi que les méthodes d’analyse globale des réseaux d’interactions sont brièvement présentées. Ces études ont permis de prédire les fonctions de protéines, d’étudier des voies de signalisation ou métaboliques, de déterminer les mécanismes moléculaires de certaines pathologies (cancer, infections virales) et seront très utiles pour identifier de nouvelles cibles thérapeutiques et pour la mise au point de nouveaux médicaments. Un des défis majeurs est maintenant d’intégrer des données de différentes sources (interactome, transcriptome, phénome, localisome) pour passer des réseaux statiques aux réseaux dynamiques. La fusion d’un interactome viral à l’interactome humain a ainsi permis de simuler une infection virale. Cette approche ouvre la voie à des études visant à élucider les bases moléculaires des pathologies humaines.</description><identifier>ISSN: 0369-8114</identifier><identifier>EISSN: 1768-3114</identifier><identifier>DOI: 10.1016/j.patbio.2008.10.004</identifier><identifier>PMID: 19070972</identifier><language>eng</language><publisher>France: Elsevier SAS</publisher><subject>Animals ; Bases de données ; Bioinformatics ; Bioinformatique ; Communicable Diseases - physiopathology ; Computational Biology ; Databases, Factual ; Disease ; Drug Discovery ; Découverte de médicaments ; Forecasting ; Genomics ; Host-Pathogen Interactions ; Humans ; Interaction network ; Interactions protéines–protéines et protéines–sucres ; Interactome ; Macromolecular Substances ; Metabolic Networks and Pathways ; Microarray Analysis ; Neurodegenerative Diseases - physiopathology ; Organelles - metabolism ; Pathologies ; Proteasome Endopeptidase Complex - metabolism ; Protein Interaction Mapping - methods ; Protein–carbohydrate interactions ; Protein–protein interactions ; Proteomics ; Réseau d’interactions ; Rôle des protéines ; Signal Transduction ; Systems Biology - methods ; Two-Hybrid System Techniques</subject><ispartof>Pathologie biologie (Paris), 2009-06, Vol.57 (4), p.324-333</ispartof><rights>2008 Elsevier Masson SAS</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed><citedby>FETCH-LOGICAL-c426t-e7261dfd1033b58776f4dd079d48edba3e2128f080aa9ef9db7e7acc216808bc3</citedby><cites>FETCH-LOGICAL-c426t-e7261dfd1033b58776f4dd079d48edba3e2128f080aa9ef9db7e7acc216808bc3</cites></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://www.sciencedirect.com/science/article/pii/S0369811408002538$$EHTML$$P50$$Gelsevier$$H</linktohtml><link.rule.ids>314,776,780,3537,27901,27902,65306</link.rule.ids><backlink>$$Uhttps://www.ncbi.nlm.nih.gov/pubmed/19070972$$D View this record in MEDLINE/PubMed$$Hfree_for_read</backlink></links><search><creatorcontrib>Chautard, E.</creatorcontrib><creatorcontrib>Thierry-Mieg, N.</creatorcontrib><creatorcontrib>Ricard-Blum, S.</creatorcontrib><title>Interaction networks: From protein functions to drug discovery. A review</title><title>Pathologie biologie (Paris)</title><addtitle>Pathol Biol (Paris)</addtitle><description>Most genes, proteins and other components carry out their functions within a complex network of interactions and a single molecule can affect a wide range of other cell components. A global, integrative, approach has been developed for several years, including protein–protein interaction networks (interactomes). In this review, we describe the high-throughput methods used to identify new interactions and to build large interaction datasets. The minimum information required for reporting a molecular interaction experiment (MIMIx) has been defined as a standard for storing data in publicly available interaction databases. Several examples of interaction networks from molecular machines (proteasome) or organelles (phagosome, mitochondrion) to whole organisms (viruses, bacteria, yeast, fly, and worm) are given and attempts to cover the entire human interaction network are discussed. The methods used to perform the topological analysis of interaction networks and to extract biological information from them are presented. These investigations have provided clues on protein functions, signalling and metabolic pathways, and physiological processes, unraveled the molecular basis of some diseases (cancer, infectious diseases), and will be very useful to identify new therapeutic targets and for drug discovery. A major challenge is now to integrate data from different sources (interactome, transcriptome, phenome, localization) to switch from static to dynamic interaction networks. The merging of a viral interactome and the human interactome has been used to simulate viral infection, paving the way for future studies aiming at providing molecular basis of human diseases. La plupart des gènes, des protéines et des autres constituants cellulaires exercent leurs fonctions au sein d’un réseau complexe d’interactions et une seule molécule peut affecter un ensemble d’autres molécules. Une approche globale, intégrative, a été développée depuis plusieurs années pour construire des réseaux d’interactions protéine–protéine (interactomes). Dans cette revue sont décrites les méthodes dites « haut débit » qui permettent d’identifier plusieurs milliers d’interactions en parallèle. L’information minimale pour décrire une expérience d’interaction moléculaire (MIMIx) a été définie pour le stockage des données dans des bases de données d’interactions publiquement disponibles. Plusieurs exemples de réseaux d’interactions sont donnés, des machines moléculaires (protéasome) ou des organelles (phagosome, mitochondrie) jusqu’aux organismes entiers (virus, bactéries, levure, mouche et vers). Les tentatives de construction de l’interactome humain entier ainsi que les méthodes d’analyse globale des réseaux d’interactions sont brièvement présentées. Ces études ont permis de prédire les fonctions de protéines, d’étudier des voies de signalisation ou métaboliques, de déterminer les mécanismes moléculaires de certaines pathologies (cancer, infections virales) et seront très utiles pour identifier de nouvelles cibles thérapeutiques et pour la mise au point de nouveaux médicaments. Un des défis majeurs est maintenant d’intégrer des données de différentes sources (interactome, transcriptome, phénome, localisome) pour passer des réseaux statiques aux réseaux dynamiques. La fusion d’un interactome viral à l’interactome humain a ainsi permis de simuler une infection virale. Cette approche ouvre la voie à des études visant à élucider les bases moléculaires des pathologies humaines.</description><subject>Animals</subject><subject>Bases de données</subject><subject>Bioinformatics</subject><subject>Bioinformatique</subject><subject>Communicable Diseases - physiopathology</subject><subject>Computational Biology</subject><subject>Databases, Factual</subject><subject>Disease</subject><subject>Drug Discovery</subject><subject>Découverte de médicaments</subject><subject>Forecasting</subject><subject>Genomics</subject><subject>Host-Pathogen Interactions</subject><subject>Humans</subject><subject>Interaction network</subject><subject>Interactions protéines–protéines et protéines–sucres</subject><subject>Interactome</subject><subject>Macromolecular Substances</subject><subject>Metabolic Networks and Pathways</subject><subject>Microarray Analysis</subject><subject>Neurodegenerative Diseases - physiopathology</subject><subject>Organelles - metabolism</subject><subject>Pathologies</subject><subject>Proteasome Endopeptidase Complex - metabolism</subject><subject>Protein Interaction Mapping - methods</subject><subject>Protein–carbohydrate interactions</subject><subject>Protein–protein interactions</subject><subject>Proteomics</subject><subject>Réseau d’interactions</subject><subject>Rôle des protéines</subject><subject>Signal Transduction</subject><subject>Systems Biology - methods</subject><subject>Two-Hybrid System Techniques</subject><issn>0369-8114</issn><issn>1768-3114</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2009</creationdate><recordtype>article</recordtype><sourceid>EIF</sourceid><recordid>eNp9kE1PwzAMhiMEYmPwDxDKiVuL05Ym5YCEJj4mTeIC5yhNXJSxNSNJmfbvydgkbpxs2a_t1w8hlwxyBqy-WeRrFVvr8gJApFIOUB2RMeO1yErGqmMyhrJuMpHyETkLYQHAOKvYKRmxBjg0vBiTl1kf0Ssdretpj3Hj_Ge4o0_erejau4i2p93Q__YDjY4aP3xQY4N23-i3OX2gHr8tbs7JSaeWAS8OcULenx7fpi_Z_PV5Nn2YZ7oq6pghL2pmOsOgLNtbwXndVcYAb0wl0LSqxIIVogMBSjXYNablyJXWBasFiFaXE3K935vcfQ0YolwlM7hcqh7dEGTNS8ZFUSZhtRdq70Lw2Mm1tyvlt5KB3BGUC7knKHcEd9VEMI1dHfYP7QrN39ABWRLc7wWYvkyfexm0xV6jsR51lMbZ_y_8ACcrhII</recordid><startdate>20090601</startdate><enddate>20090601</enddate><creator>Chautard, E.</creator><creator>Thierry-Mieg, N.</creator><creator>Ricard-Blum, S.</creator><general>Elsevier SAS</general><scope>CGR</scope><scope>CUY</scope><scope>CVF</scope><scope>ECM</scope><scope>EIF</scope><scope>NPM</scope><scope>AAYXX</scope><scope>CITATION</scope><scope>7X8</scope></search><sort><creationdate>20090601</creationdate><title>Interaction networks: From protein functions to drug discovery. A review</title><author>Chautard, E. ; Thierry-Mieg, N. ; Ricard-Blum, S.</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c426t-e7261dfd1033b58776f4dd079d48edba3e2128f080aa9ef9db7e7acc216808bc3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>eng</language><creationdate>2009</creationdate><topic>Animals</topic><topic>Bases de données</topic><topic>Bioinformatics</topic><topic>Bioinformatique</topic><topic>Communicable Diseases - physiopathology</topic><topic>Computational Biology</topic><topic>Databases, Factual</topic><topic>Disease</topic><topic>Drug Discovery</topic><topic>Découverte de médicaments</topic><topic>Forecasting</topic><topic>Genomics</topic><topic>Host-Pathogen Interactions</topic><topic>Humans</topic><topic>Interaction network</topic><topic>Interactions protéines–protéines et protéines–sucres</topic><topic>Interactome</topic><topic>Macromolecular Substances</topic><topic>Metabolic Networks and Pathways</topic><topic>Microarray Analysis</topic><topic>Neurodegenerative Diseases - physiopathology</topic><topic>Organelles - metabolism</topic><topic>Pathologies</topic><topic>Proteasome Endopeptidase Complex - metabolism</topic><topic>Protein Interaction Mapping - methods</topic><topic>Protein–carbohydrate interactions</topic><topic>Protein–protein interactions</topic><topic>Proteomics</topic><topic>Réseau d’interactions</topic><topic>Rôle des protéines</topic><topic>Signal Transduction</topic><topic>Systems Biology - methods</topic><topic>Two-Hybrid System Techniques</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>Chautard, E.</creatorcontrib><creatorcontrib>Thierry-Mieg, N.</creatorcontrib><creatorcontrib>Ricard-Blum, S.</creatorcontrib><collection>Medline</collection><collection>MEDLINE</collection><collection>MEDLINE (Ovid)</collection><collection>MEDLINE</collection><collection>MEDLINE</collection><collection>PubMed</collection><collection>CrossRef</collection><collection>MEDLINE - Academic</collection><jtitle>Pathologie biologie (Paris)</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>Chautard, E.</au><au>Thierry-Mieg, N.</au><au>Ricard-Blum, S.</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>Interaction networks: From protein functions to drug discovery. A review</atitle><jtitle>Pathologie biologie (Paris)</jtitle><addtitle>Pathol Biol (Paris)</addtitle><date>2009-06-01</date><risdate>2009</risdate><volume>57</volume><issue>4</issue><spage>324</spage><epage>333</epage><pages>324-333</pages><issn>0369-8114</issn><eissn>1768-3114</eissn><abstract>Most genes, proteins and other components carry out their functions within a complex network of interactions and a single molecule can affect a wide range of other cell components. A global, integrative, approach has been developed for several years, including protein–protein interaction networks (interactomes). In this review, we describe the high-throughput methods used to identify new interactions and to build large interaction datasets. The minimum information required for reporting a molecular interaction experiment (MIMIx) has been defined as a standard for storing data in publicly available interaction databases. Several examples of interaction networks from molecular machines (proteasome) or organelles (phagosome, mitochondrion) to whole organisms (viruses, bacteria, yeast, fly, and worm) are given and attempts to cover the entire human interaction network are discussed. The methods used to perform the topological analysis of interaction networks and to extract biological information from them are presented. These investigations have provided clues on protein functions, signalling and metabolic pathways, and physiological processes, unraveled the molecular basis of some diseases (cancer, infectious diseases), and will be very useful to identify new therapeutic targets and for drug discovery. A major challenge is now to integrate data from different sources (interactome, transcriptome, phenome, localization) to switch from static to dynamic interaction networks. The merging of a viral interactome and the human interactome has been used to simulate viral infection, paving the way for future studies aiming at providing molecular basis of human diseases. La plupart des gènes, des protéines et des autres constituants cellulaires exercent leurs fonctions au sein d’un réseau complexe d’interactions et une seule molécule peut affecter un ensemble d’autres molécules. Une approche globale, intégrative, a été développée depuis plusieurs années pour construire des réseaux d’interactions protéine–protéine (interactomes). Dans cette revue sont décrites les méthodes dites « haut débit » qui permettent d’identifier plusieurs milliers d’interactions en parallèle. L’information minimale pour décrire une expérience d’interaction moléculaire (MIMIx) a été définie pour le stockage des données dans des bases de données d’interactions publiquement disponibles. Plusieurs exemples de réseaux d’interactions sont donnés, des machines moléculaires (protéasome) ou des organelles (phagosome, mitochondrie) jusqu’aux organismes entiers (virus, bactéries, levure, mouche et vers). Les tentatives de construction de l’interactome humain entier ainsi que les méthodes d’analyse globale des réseaux d’interactions sont brièvement présentées. Ces études ont permis de prédire les fonctions de protéines, d’étudier des voies de signalisation ou métaboliques, de déterminer les mécanismes moléculaires de certaines pathologies (cancer, infections virales) et seront très utiles pour identifier de nouvelles cibles thérapeutiques et pour la mise au point de nouveaux médicaments. Un des défis majeurs est maintenant d’intégrer des données de différentes sources (interactome, transcriptome, phénome, localisome) pour passer des réseaux statiques aux réseaux dynamiques. La fusion d’un interactome viral à l’interactome humain a ainsi permis de simuler une infection virale. Cette approche ouvre la voie à des études visant à élucider les bases moléculaires des pathologies humaines.</abstract><cop>France</cop><pub>Elsevier SAS</pub><pmid>19070972</pmid><doi>10.1016/j.patbio.2008.10.004</doi><tpages>10</tpages></addata></record>
fulltext fulltext
identifier ISSN: 0369-8114
ispartof Pathologie biologie (Paris), 2009-06, Vol.57 (4), p.324-333
issn 0369-8114
1768-3114
language eng
recordid cdi_proquest_miscellaneous_67317823
source MEDLINE; Elsevier ScienceDirect Journals
subjects Animals
Bases de données
Bioinformatics
Bioinformatique
Communicable Diseases - physiopathology
Computational Biology
Databases, Factual
Disease
Drug Discovery
Découverte de médicaments
Forecasting
Genomics
Host-Pathogen Interactions
Humans
Interaction network
Interactions protéines–protéines et protéines–sucres
Interactome
Macromolecular Substances
Metabolic Networks and Pathways
Microarray Analysis
Neurodegenerative Diseases - physiopathology
Organelles - metabolism
Pathologies
Proteasome Endopeptidase Complex - metabolism
Protein Interaction Mapping - methods
Protein–carbohydrate interactions
Protein–protein interactions
Proteomics
Réseau d’interactions
Rôle des protéines
Signal Transduction
Systems Biology - methods
Two-Hybrid System Techniques
title Interaction networks: From protein functions to drug discovery. A review
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-04T22%3A35%3A58IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-proquest_cross&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=Interaction%20networks:%20From%20protein%20functions%20to%20drug%20discovery.%20A%20review&rft.jtitle=Pathologie%20biologie%20(Paris)&rft.au=Chautard,%20E.&rft.date=2009-06-01&rft.volume=57&rft.issue=4&rft.spage=324&rft.epage=333&rft.pages=324-333&rft.issn=0369-8114&rft.eissn=1768-3114&rft_id=info:doi/10.1016/j.patbio.2008.10.004&rft_dat=%3Cproquest_cross%3E67317823%3C/proquest_cross%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_pqid=67317823&rft_id=info:pmid/19070972&rft_els_id=S0369811408002538&rfr_iscdi=true