インタラクトームとしてのDynamical Networks 我らオーム主義者なり (K.Nakai) 鈴木泰博、荻島創一、長谷武、中川草、田中博 東京医科歯科大学 大学院疾患生命科学研究部 生命情報学 （ATRは今年度（平成15年）末まで） Bio informatics 注意！ 私は医者ではありません。 ましてや歯医者でもありません。 講演後に医療相談にはのれません。 私は生物学者でもありません。 小難しい横文字の言葉をちりばめて 質問して苛めるのはやめてください。 わかっている“フリ”…してるだけです。 不勉強です。浅学です。 温かい目で見てあげてください。 ごめんなさい。 鈴木泰博（るろうの たみ） 初手からして理論計算機科 学でドロップアウト その後、常にアウトからアウ トへ、左から左へと放浪 経営学という遠い島から流れ Bio 来る“椰子の実研究者” informatics Agenda 1. 2. 3. 4. 5. Back ground 1 What’s DNA and protein? Back ground 2 我らオーム主義者なり bio-networks as interactome Quick View Dynamical networks と分子生物学 出芽酵母のタンパク相互作用ネットワークについて 最後に（創薬・医療とinteractome） by Nakei.K Bio informatics はじまりのはじまり 地球上の生命体はすべて同じ種類のタンパク質でできています。 これは、当たり前に思えるかもしれませんが、ものすごい特徴です。 なぜなら、 これを逆手にとれば、タンパク質をうまくデザインすれば生命体ができるからです ゲノムにはタンパク質をどのようにデザインすれば良いか が書いてあるのです Bio informatics なんか偉そうだぞ..DNA.. 核 Bio informatics DNAそれはバイブルのバイブル DNA イントロン 遺伝子 エクソン イントロン sidafdmorearegwatashinonamaehasuzukidesuremoreaofgamfeoafmeoafea 翻 訳 タンパク質 アルファベット 24文字 ひらがな５０文字 わたしのなまえはすずきです すべての生物は同じ“言語”で 書かれたDNAを持ち、 同じ種類のタンパク質の組み合わせ でできています。 A,U,C,T 4文字 タンパク質 ２０種類 Bio informatics 複数の遺伝子間ではネットワークを形成する 反比例 negative feed back wacmeogashitasikencacdacashitadetocdacamoashitahahayaokicacdamoeacamdoa 正比例 positive feed back スイッチON! wacmeog ashitasikencacdac 明日試験 cdacamoa ashitadeto 明日デート shitahahayaokicacdamoeacadoa 明日早起き スイッチON! wacmeogashitasikencacdac 明日試験 ashitadetocdacamoashitahahayaokicacdamoeacamdoa 明日デート 明日早起き Bio informatics 遺伝子からタンパク質へ そして生命体としての機能へ タンパク質が機能するため には、それなりの条件が必 要です。 それを人工的につくるのは 容易ではありませんが、生 体ではそれをきちんと機能 させているのです。 Bio informatics “やんごとなき”たんぱく質の生涯 揺り篭から墓場まで Anfinsenのドグマ Bio informatics 社会システムとしての細胞 枠組みを与えるDNA 実質的に社会を構成するプロテイン群 バイブルとしてのDNA 実態を支えているのはタンパク質 Bio informatics Agenda 1. 2. 3. 4. 5. Back ground 1 What’s DNA and protein? Back ground 2 我らオーム主義者なり bio-networks as interactome Quick View Dynamical networks と分子生物学 出芽酵母のタンパク相互作用ネットワークについて 最後に（創薬・医療とinteractome） by Nakei.K Bio informatics Interactome オーム主義の時代 オーム主義万歳 ゲノ（遺伝子）＋オーム プロテ（タンパク）＋オーム トランスクリプト（転写）＋オーム シグナロソ（シグナル伝達）＋オーム インタラクト（相互作用ネットワーク）＋オーム(集団・全体） 最近では“ネットワーク生物学”なぞと云うコトバまで。。 厳密な定義？。。。知りません Bio informatics OVER VIEW interact-ome (biology] プロテオーム MASベース ネットワーク モチーフの提唱 小規模 比較的 生物ネットワークのスクリーニング 臨床・創薬への応用 我々の目的 機能予測 出芽酵母(2000-) Comparative netwroks 出芽酵母タンパク相互作用(2000) 出芽酵母遺伝子ネットワーク(2004) 大 タンパク相互作用 規模スクリーニング （Y2H, TAP, HMS-PCI ） •出芽酵母(2000-), •pyroly(2001), •C.elegence (2003), •ショウジョウバエ(2003), •大腸菌(2004)予定 遺伝子ネットワーク •出芽酵母(2004) 応用 基礎 Bio informatics PNAS2001 他に、Utez, Tongらのフルスクリーニングがあるデータ ベースとしては YPD, MIPS, SGDなどがある。 Bio informatics H.Pyloriのタンパク相互作用ネットワーク 2001 Nature Bio informatics fly Drosophia melanogaster 2003 Science C.elegence Multi cellular function related protein のPPI はスクリーニング完了(2004 Science) Bio informatics classic① A network of protein-protein interactions in yeast (Schwikowski et al. 2000) MIPS 1183 YPD 471 DIP 76 1,548 proteins/2,358 links Ito 134 Utez 808 each number indicates the number of interactions not the total number of stored proteins less than 4 (193 networks) 5-11 proteins (9 networks) 19 proteins Bio informatics A network of protein-protein interactions in yeast (Schwikowski et al. 2000) MIPS 1183 YPD 471 (2,358 interactions) Screening each node and color stands for a protein a function. DIP 76 Ito 134 Utez 808 each number indicates the number of interactions not the total number of stored proteins Protein A—Protein B Rank Function total 1. Cromatin struc. 5 2. memb. Fusion 3 3. cell struc. 2 4. lipid memb. 1 4. endcyt. 1 72% can cover Based on YPD 42 cellular role; a protein engaged in and not its precise biochemical activity (Utez, Tong) This protein has and functions. Bio informatics A network of protein-protein interactions in yeast (Schwikowski et al. 2000) prediction YPD 2,039 proteins 554 have no annotation prediction 364/554 have at least one partner of known func. 69/364 have two or more partner of known func. 29/69 have two or more partner of known func. in common Marcotte et al. annotate proteins in yeast by using as much as possible kind of method Y2H, phase display, (science 285 1999) Bio informatics 最近の流れ 複数のタンパク間で“共有”するタンパク質の割合で機能予測を行う (Samanta, Liang, Vazquez) 特性が似ているならば同様のタンパクと相互作用するであろう さらに関係に機械学習を導入したものもある（阿久津ら 2003) Bio informatics 2002 Nature 新たなスクリーニングの方法 （HMS-PCI法の応用） High-throghput mass spectrometric protein complex identification 他にTAP法などが応用されるようになってきた。 R;unknown B:known Bio informatics インタラクトーム classic② 2002 Science 配列情報とY2Hの実験結果を組 み合わせ、結合する塩基配列を 予測する方法を確立し、その方法 を用いて出芽酵母のSH3ドメイン 結合性タンパクの相互作用解析 に応用。 Wiskott-Aldrich症候群（WASP） 病因：X連鎖遺伝形式をとり、血小板減少と湿疹を合 併する免疫不全症である。細胞内骨格の機能やシグ ナル伝達に関わるとされるWASP遺伝子の異常による。 X連鎖血小板減少症は同じWASP遺伝子異常による。 臨床症状：血小板減少による出血傾向とアトピー性皮 膚炎要の湿疹があり、細菌、真菌、ウイルスに対する 易感染性を認める。 グラフ理論の応用により、SH3ドメ イン関連のタンパク質内に疾患 関連タンパクネットワーク（WASP 症候群）が存在することを確認。 この結果はin vivoの結果とも一致 をみた。 Bio informatics 相互作用の最適化制御 2003 Nature タンパクはなにかと絡みつきやすいもので。。。 出芽酵母のSH３ドメインにおいて Pbs2キナーゼ モチーフのあるモチーフが相互作用を最適化して いる。ここで、最適化とはシグナル応答の際に競合 するプロテインの相互作用をブロックして、円滑に必 要な相互作用が行われるようにすることを意味する。 Pbs2のこの活性はSH3ドメイン以外ではみられない。 Bio informatics システム生物学的 な潮流 Nature 2002 Bio informatics Agenda 1. 2. 3. 4. 5. Back ground 1 What’s DNA and protein? Back ground 2 我らオーム主義者なり bio-networks as interactome Quick View Dynamical networks と分子生物学 出芽酵母のタンパク相互作用ネットワークについて 最後に（創薬・医療とinteractome） by Nakei.K Bio informatics OVER VIEW ineract-ome [数理＆biol.] 臨床・創薬への応用 我々の目的 シグナル伝達系 の特徴 classic Jeong, Hub proteins と致死性 Y2Hデータの純化 （斉藤、中谷） 統計的性質 ネットワークの進化 G.Wagner などなど 数理 生物 Bio informatics classic 致死性タンパクと相互作用との関係 Jeong 2001, Nature •出芽酵母のタンパク相互作用 ネットワークにScale Free性を確 認 (pyrolyについても…他論文） •相互作用の多い(hub)タンパク が致死性と高い相関があること を確認 Bio informatics Biological networksの統計的性質 Bio informatics 遺伝子ネットワーク のスクリーニング Science 2004 SF, small world 性を有する Bio informatics グラフ理論の応用 中谷：ネットワークの比較によるタンパクー遺伝子間の関係の推定 他に、斉藤のY2Hデータの純化の研究などが知られている Bio informatics プロテインネットワークの進化 しかし、大腸菌、白イナズナ、分裂酵母、出芽酵母 の比較を行うと、hubとなっているタンパクが進化速 度が遅いとはいえない。 進化的に古いタンパクがhubプロテインではないこと が示されている (koonin) タンパクネットワークの進化はPreferential Attachment ではないことが示されている。 G.Wagnerらは精力的に遺伝子重複の 数理モデル的解析を行っている。 Bio informatics 2000 Nature ネットワークのアキレス腱としてのP53 Bio informatics DNA damage p53 input p53 Signaling Network activation Mdm2 tetrameri -zation p53 tetramer p53 activated tetramer p53 input degradation induction G1 arrest DNA repair p53 p53 p53 p53 translocation Mdm2 nucleus cytoplasm cytoplasm p53, mdm2 -> empty p53 -> p53[n] WHERER, they assign translocation rule [n] nucleus import [c] nucleus export nucleus P53,p53,p53,p53 -> p53_tetramer p53_tetramer -> p53_tetramer, Mdm2 p53, Mdm2 -> empty Mdm2 -> Mdm2[c] p53_tetramer, Mdm2 -> p53,p53,p53,p53[c] p53_tetramer, DNA damage -> p53_tetramer+, DNA damage p53_tetramer+, DNA damage -> p53_tetramer Bio informatics 無理やりまとめてみると。。 背景 ① 生物ネットワークの大規模スクリーニングデータが近年になって増加してきた。 ② Dynamical Networksの研究の進展 現在の方向性としては、 • • • Bioinformatics; タンパクの機能の推定アルゴリズム、Y2Hデータの純化 Proteomics；比較ネットワーク 分子進化 Bio informatics だいぶ、講演時間を 長くするために 水増ししてましたけど やっと次から 研究の話です。 生物学者 たちとの 語らい Bio informatics Agenda 1. 2. Back ground 1 What’s DNA and protein? Back ground 2 我らオーム主義者なり bio-networks as by Nakei.K interactome 3. Quick View Dynamical networks と分子生物学 4. 出芽酵母のタンパク相互作用ネットワークについて 5. 最後に（創薬・医療とinteractome） Bio informatics レポート課題 ネットワーク生物学 レポート問題：タンパク相互作用ネットワークのデータを用いてその特 徴について調べなさい。ただし、タンパク相互作用のデータはMIPS, YPD, ITO, Utez, Tongのどれを用いてもよい。 提出期限：特に定めませんが、誰かが先にやっていた場合はそのレ ポートは零点となります。 提出先：いずれかの国際誌（ただし、査読をパスする必要があります）。 Bio informatics The higher degree nodes are liable to be connected to the lower degree nodes 従来の関連研究 Specificity in topology in the yeast protein network (Maslov, Science, 2002) Results from Y2H compare keep degree the same Random shuffling the change of connectivity H->L Null model との比較 Bio informatics Yeast 2 Hybrid system (Y2H) prey z bait x 方向に意味なし A→Bならば、B→Aとなるべき であるが、Y2Hではそうならない 場合が多い。 １．両方向を確認した場合。(Tong) ２．１．でない場合は、ベクタ内の prey proteinsがbaitに結合するか は、確率的なので双方向にならない とは断定できない。 Y2Hでは対称性が崩れる場合が多いがそれは意味のある事なのか、単なる実験の特性なの かよくわからない。 Bio informatics Bait-prey の非対称性①（出芽酵母） 700 outgoing 600 bait frequency 500 400 300 200 incoming prey in comming 100 out going 0 1 3 2 5 4 7 6 9 8 11 10 13 12 15 14 17 16 the number of links Bio informatics Bait-prey の非対称性②（ピロリ菌） 300 frequency 200 100 out going 0 1.00 in comming 3.00 2.00 5.00 4.00 7.00 6.00 9.00 8.00 15.00 10.00 the number of link Bio informatics WHY OUT-IN = 1？ （やったこと①） 700 Out degree , In degree 600 Out－In degree の頻度分布 400 Out-Inの度数分布 300 1 600 200 100 74 82 10 4 11 9 59 49 43 35 31 0 28 出芽酵母でもピロリ菌でも OUT-IN＝１ となるプロテインが多い。 系列1 25 the number of links 300 22 16 400 19 14 17 16 12 15 7 10 13 13 8 11 4 6 9 10 4 7 1 2 5 -2 3 -5 1 -8 out going 0 500 度数 in comming 100 frequency 200 -3 1 -2 3 -1 9 -1 7 -1 4 -1 1 frequency 500 Out-In Out－In degree Bio informatics シミュレーション（初期分布の設定） Out－In=1…で結合のノードの分布を生成 分布 P(k)=k－２ で結合の分布を生成 frequency frequency Out－In degree の頻度分布 Out+In degree の頻度分布 Out+In degree Out－Ｉｎ degree OUT-IN の頻度分布を計測 Bio informatics 結合後のOut－In degreeの分布 中心＝５ 中心＝１ プレファレンシャルに結合した時のOut-Inの度数分布（μ＝１） プレファレンシャルに結合した時のOut-Inの度数分布（μ＝５） 45 1 50 1 45 frequency frequency 1 35 30 -1 度数 25 系列1 20 2 0 15 1 40 -2 10 35 30 度数 40 -1 25 系列1 2 20 0 15 10 -2 5 -3 -5 -5 -15 -14 -13 -12 -11 -10 -9 -8 -7 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 4 0 1 Out-In 2 3 4 5 5 6 6 7 7 8 8 9 9 10 11 12 13 14 15 10 11 12 13 14 15 0 中心＝３０ 1 1 40 40 系列1 2 度数 度数 5 6 6 7 7 8 8 9 9 10 11 12 13 14 15 10 11 12 13 14 15 1 1 0 30 -1 20 10 系列1 -1 0 2 -2 10 5 0 4 50 frequency 15 frequency 20 3 60 45 25 2 プレファレンシャルに結合した時のOut-Inの度数分布（μ=30） 50 30 5 0 1 Out-In OutーIn degree プレファレンシャルに結合した時のOut-Inのどす分布（μ＝１０） 35 4 -4 -3 -11 -9 -8 -7 -15 -14 -13 -12 -10 -6 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 Out－In degree 中心＝１０ 3 5 -4 -6 0 3 -11 -7 -6 -2 -3 -5 -5 3 -4 -15 -14 -13 -12 -10 -9 -8 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 4 5 0 1 Out-In 2 3 4 5 6 6 7 7 8 8 9 9 10 11 12 13 14 15 10 11 12 13 14 15 Out－In degree 0 -9 -6 3 -3 -4 4 -15 -14 -13 -12 -11 -10 -8 -7 -15 -14 -13 -12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 5 0 1 Out-In 2 3 4 5 6 6 7 7 8 8 9 9 10 11 12 13 14 15 10 11 12 13 14 15 Out－In degree Bio informatics 機能と非対象性との関係 （やったことその②） 40 40 30 機 能 数 functions 30 20 機 能 数 20 10 10 0 0 0 10 20 outgoing+incoming OUT+IN 30 0 2 4 6 8 10 12 14 16 outgoing-incoming OUT-IN Bio informatics Correlation between the number of proteins and functions 300 多機能のタンパクは高い相互作用を持つ 相関係数 200 Spearman のﾛｰ 相関係数 有意水準 (両側) 100 N VAR00003 VAR00004 VAR00003 VAR00004 VAR00003 VAR00004 VAR00003 VAR00004 1.000 .783** .783** 1.000 . .000 .000 . 31 31 31 31 **. 相関係数は1 %水準で有意 (両側) 0 0 10 20 30 40 functions many functions produced by few proteins 40functions/2proteins 40functions/200proteins 40/200=0.5 functions/protein 40/2=20.0 functions/protein Bio informatics 非対称性と機能数の関係 10 Out+In 8 Ave. functions 平 均 機 能 数 Out-In 6 4 2 outgoing+incoming 0 outgoing-incoming 0 10 20 30 Outgoing+/-incoming 相関係数 Spearman のﾛｰ 相関係数 有意水準 (両側) N VAR00006 VAR00007 VAR00006 VAR00007 VAR00006 VAR00007 **. 相関係数は1 %水準で有意 (両側) 相関係数 VAR00006 VAR00007 1.000 .938** .938** 1.000 . .000 .000 . 31 31 31 31 Spearman のﾛｰ 相関係数 有意水準 (両側) N VAR00005 VAR00007 VAR00005 VAR00007 VAR00005 VAR00007 **. 相関係数は1 %水準で有意 (両側) VAR00005 VAR00007 1.000 .821** .821** 1.000 . .000 .000 . 31 31 31 31 Bio informatics (11 1) (15 3) ENERGY_GENERATION SMALL_MOLECULE_TRANSPORT CELL_CYCLE_CONTROL PROTEIN_COMPLEX_ASSEMBLY CYTOKINESIS MITOSIS DNA_SYNTHESIS CHROMATIN_OR_CHROMOSOME_STRUCTURE RNA_SPLICING RNA_PROCESSING_OR_MODIFICATION POL_II_TRANSCRIPTION OTHER_METABOLISM MEIOSIS PROTEIN_DEGRADATION VESICULAR_TRANSPORT DNA_REPAIR MITOSIS PROTEIN_DEGRADATION MATING_RESPONSE CELL_CYCLE_CONTROL PROTEIN_SYNTHESIS AMINO_ACID_METABOLISM CELL_POLARITY (8 2) SMALL_MOLECULE_TRANSPORT MATING_RESPONSE PROTEIN_SYNTHESIS CELL_STRESS CELL_POLARITY SIGNAL_TRANSDUCTION RNA_SPLICING RNA_PROCESSING_OR_MODIFICATION (12 1) PROTEIN_COMPLEX_ASSEMBLY PROTEIN_TRANSLOCATION SMALL_MOLECULE_TRANSPORT LIPID_FATTY_ACID_AND_STEROL_METABOLISM VESICULAR_TRANSPORT (1 0) PROTEIN_MODIFICATION OTHER_METABOLISM CHROMATIN_OR_CHROMOSOME_STRUCTURE RNA_PROCESSING_OR_MODIFICATION SMALL_MOLECULE_TRANSPORT DNA_SYNTHESIS POL_II_TRANSCRIPTION CARBOHYDRATE_METABOLISM (6 2) (4 0) OTHER_METABOLISM PROTEIN_DEGRADATION CHROMATIN_OR_CHROMOSOME_STRUCTURE MITOSIS AMINO_ACID_METABOLISM CELL_CYCLE_CONTROL MITOSIS CELL_STRESS CARBOHYDRATE_METABOLISM MEIOSIS PROTEIN_SYNTHESIS POL_III_TRANSCRIPTION POL_I_TRANSCRIPTION POL_II_TRANSCRIPTION MEIOSIS CARBOHYDRATE_METABOLISM RNA_PROCESSING_OR_MODIFICATION RNA_SPLICING DNA_REPAIR NUCLEOTIDE_METABOLISM CELL_STRUCTURE VESICULAR_TRANSPORT POL_II_TRANSCRIPTION PROTEIN_SYNTHESIS PROTEIN_SYNTHESIS (10 2) MEMBRANE_FUSION VESICULAR_TRANSPORT RECOMBINATION MEIOSIS DIFFERENTIATION CELL_STRESS CELL_POLARITY (8 3) SIGNAL_TRANSDUCTION CELL_STRESS (4 1) PROTEIN_DEGRADATION CHROMATIN_OR_CHROMOSOME_STRUCTURE PROTEIN_MODIFICATION SMALL_MOLECULE_TRANSPORT AMINO_ACID_METABOLISM POL_II_TRANSCRIPTION CELL_CYCLE_CONTROL Bio informatics 細胞内局在で分けたインタラクションとコンプレックス形成 これらのうち Complex形成 に関与するもの localization actin ambiguous bud bud neck cell periphery cytoplasm endosome ER ER to Golgi Golgi Golgi to ER Golgi to vacuole lipid particle microtubule mitochondrion nuclear periphery nucleolus nucleus peroxisome punctate composite spindle pole vacuolar membrane vacuole yeast 局在名 アクチン 不明瞭 芽 芽のくびれた部分 細胞の抹消 細胞質 エンドソーム 小胞体 小胞体からゴルジへの間 ゴルジ体 ゴルジから小胞体への間 ゴルジ体から液胞への間 脂質の小片 微小管 ミトコンドリア 核の抹消 核小体 核 ペルオキシソーム 斑点状の要素 紡錘体極 液胞膜 液胞 酵母 171103 (データ登録数8506) complex interaction rate 22 38 0.58 13 43 0.30 15 30 0.50 22 71 0.31 18 34 0.53 260 897 0.29 no data no data no data 10 43 0.23 3 3 1.00 2 7 0.29 7 10 0.70 19 21 0.90 no data no data no data 10 21 0.48 21 46 0.46 28 54 0.52 27 38 0.71 367 935 0.39 0 9 0.00 17 35 0.49 26 58 0.45 2 4 0.50 0 5 0.00 1218 8546 0.14 Y2H（Network） 局在データなし そのうち、WONら に局在が確かめら WON-KI, れた。ネットワーク Nature 局在のデータはWON-KI HUH, et al ”Global analysis of protein localization in budding yeast” Nature 16 Oct 2003 686-691 Complex dataはMIPSの complex.171103 より Bio informatics クリーク構造は生物学的機能と関係がある？ タンパク質のPPIネットワーク＆アノテーション ミトコンドリア リボゾームタンパク質 タンパク質 分解関連 スプライシン グに関わる snRNP関連 セリン/スレオ ニンキナーゼ Involved in endoplasmicto-Golgi protein trafficking Translation initiation factor 核膜孔を介した 核-細胞質間輸送 アクチン細胞 骨格系 DNA修復 密に関連するタンパク質は複合体を形成している傾向がある RNA recognition motif-containing protein 寄せ集めの アノテーション で得た結果です Telomere elongation protein (ever shorter telomeres) May participate in nucleolar function during the transition from stationary phase to rapid growth Glycogen accumulation. Gip1p-Glc7p phosphatase complex is required for proper septin organization and initiation of spore wall formation during sporulation. 機能未知 Probable translation initiation factor 6 (EIF6) similar to mammalian elongin A, interacts with elongin C Bio informatics 細胞質と核内タンパク質 cytoplasm nucleus H M L H M L interaction 内complex関与 4 3 120 60 320 119 4 0 138 101 367 167 rate 0.75 0.50 0.37 0.00 0.73 0.46 • 中程度の相互作用(10-30interactions)はcomplex形 成に関与する割合が高いことが確認された. • 特に核内でがComplex形成に関与する相互作用が 多い Bio informatics 出芽酵母タンパクネットワーク 相互作用が 少ないタンパク 4,000程度 Hubとなるタンパク 相互作用が極めて多い 40程度 コンプレックスを形成する層 中程度の相互作用 300程度 以上の構造は 数理的な解析 から得られました。 Bio informatics 今後のチャレンジ 創薬・臨床へ CURAGEN Co. 東京医科歯科大学 疾患生命科学研究部 生命情報学 Dynamical Networks & Ineractome 新たな手法の創造とその応用 癌関連タンパク相互作用ネットワークの解析 タンパク間の構造的距離に関する研究 特許など知的財産権の獲得 東京医科大学臨床プロテオームセンタ Bio informatics 郷に入っては郷にしたがえ？ ゲノムだけでもタンパクだけでもだめ。 重要な観点は“ネットワークとしての生物システム” Bio informatics Power of two links? 正常型prion 分解 強い相互作用ではなく、弱い相互作用による“リクルート” が効いてくる状況があるのでは？ シャペロン HSP系 異常型prion １対１で分子をおいかけるだけではなく、強い・弱い相互作 用により構成される“総体 OME”という観点が重要では？ 社会、経済、Webなどとダイレクトに関係するのでは？ Bio informatics Dynamical Networksの研究は本質的に分野横断的である Bio informatics PPI networks Team Staff 荻島創一 (博士３年) Bioinformatics 中川草（修士１年） Protein Interaction Bioinfromatics 長谷武（博士１年） Protein Interaction 数理的解析 計算シミュレーション 田中博 Bio informatics
© Copyright 2024 ExpyDoc
