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...
Gespeichert in:
Veröffentlicht in: | Pathologie biologie (Paris) 2009-06, Vol.57 (4), p.324-333 |
---|---|
Hauptverfasser: | , , |
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 |