Quelques définitions

Arbre = réseau connexe non cyclique

Réseau non connexe non

cyclique

Réseau connexe cyclique

Réseau connexe non cyclique

branche

noeud

Jeong et al, Nature 2001

Qualité du réseau d’interactions

Nécessité de valider les résultats

Très nombreuses interactions protéine/protéine détectées par différentes

méthodes

Pourquoi ?

1. Les méthodes sont prévues pour détecter des interactions différentes (binaire pour le double hybride, interactions fortes pour la protéomique, etc.)

2. Les méthodes se trompent (faux positifs, faux négatifs)

Qualité du réseau d’interactions

Construction d’un ensemble d’interactions validées manuellement

10 907 interactions impliquant 1308 protéines de la levure Saccharomyces cerevisiae (http://mips.gsf.de/proj/yeast/catalogues/complexes/index.html)

1. Coverage (couverture) : fraction des interactions de référence analysées par une méthode donnée

2. Accuracy (précision) : fraction des interactions de référence retrouvées par une méthode donnée

Von Mering et al, Nature (2002) 417:399-403

Qualité du réseau d’interactions

Von Mering et al, Nature (2002) 417:399-403

Qualité du réseau d’interactions

Von Mering et al, Nature (2002) 417:399-403

Qualité du réseau d’interactions

Von Mering et al, Nature (2002) 417:399-403

Qualité du réseau d’interactions

Von Mering et al, Nature (2002) 417:399-403

Filtrage : interactions détectées trois fois pour le double-hybride, par exemple

Von Mering et al. (2005) Nucleic Acids Research, 33:D433–D437http://string.embl.de/

Distance et Distance caractéristique d’un réseau

http://mathworld.wolfram.com/GraphDistance.html

• la distance d(u,v) est la longueur du plus court chemin connectant deux noeuds, c-à-d le nombre minimal de noeuds qu’il faut traverser pour se rendre d’un noeud u à un noeud v

• la distance caractéristique L = meanu,v d(u,v) d’un graphe est la longueur moyenne du plus court chemin connectant deux noeuds

Diamètre d’un réseau

http://mathworld.wolfram.com/GraphDiameter.html

• le diamètre D = maxu,v d(u,v) d’un graphe est la longueur du plus long des plus courts chemins connectant deux noeuds, c’est-à-dire le nombre maximal de noeuds qu’il faut traverser pour se rendre d’un noeud u à un noeud v lorsque les retours, détours et boucles sont interdits

3 4 5 7

Réseaux « Small-World »

• dans un réseau Small-World, la plupart des noeuds sont voisins les uns des autres, c-à-d qu’il faut traverser un petit nombre de noeuds pour se rendre d’un noeud u à un noeud vex : WWW ; liens sociaux entre les êtres humains formellement, on dit que son diamètre est petit (D ≤ 6)

• ces réseaux ont des distances caractéristiques faibles

http://en.wikipedia.org/wiki/Small-world_network

Connectivité d’un réseau

http://web.hamline.edu/~lcopes/SciMathMN/concepts/cevcon.html

• la connectivité K d’un réseau est le nombre minimal de liens connectant deux noeuds u et v

• formellement, c’est le nombre minimal de noeuds qu’il faut supprimer pour déconnecter le réseau

Connectivité d’un noeud

Jeong et al, Nature 2000

ExponentialExponential Scale-freeScale-free

• la connectivité K d’un noeud (protéine i) est le nombre de liens émanant du noeud i

HUBHUB

Une autre représentation du réseau

1

9

2

3

4

6

7

8

5

1 2 3 4 5 6 7 8 91 X X2 X X3 X4 X X X5 X X X6 X7 X X8 X X X X9 X X

3 6 7 4 8 2 5 1 93 X6 X7 X X4 X X X8 X X X X2 X X5 X X X1 X X9 X X

Après un algorithme de clustering

1

9

2

3

4

6

7

8

5

P - polarityP - polarityR - Ras related pathwayR - Ras related pathwayH - Highly osmotic conditionsH - Highly osmotic conditionsM - Mating/filamentation M - Mating/filamentation

Modular organization of cellular networksModular organization of cellular networks

Rives AW et al. PNAS, 2003

DD00 11

Modular organization of cellular networksModular organization of cellular networks

Rives AW et al. PNAS, 2003

- - ModulesModules

-- Intermodular connections Intermodular connections

Recherche de modules

Gavin et al. (2006) Nature, doi:10.1038/nature04532

Recherche de modules

Gavin et al. (2006) Nature, doi:10.1038/nature04532

A(i,j) : indice de socio-affinité

ni;j|i=bait : nombre of fois où protéines i et j sont retrouvées quand I est étiquettée

: nombre of proies récupérées quand i est un appât

: nombre de fois où protéines i and j sont copurifiées avec d’autres appâts.

preybaitin =preyjin ,

Recherche de modules

Gavin et al. (2006) Nature, doi:10.1038/nature04532

Recherche de modules

Gavin et al. (2006) Nature, doi:10.1038/nature04532

Essentialité des gènes

Yu et al (2004) Trends in Genetics 20:227-231

Essentialité des gènes

Yu et al (2004) Trends in Genetics 20:227-231

Hubs : 1061 protéines qui ont le plus grand nombre d’interactions

Robustesse du réseau aux mutations

Jeong et al, Nature 2000

Robustesse du réseau aux mutations

Freeland et al. (2000) Mol. Biol. Evol. 17:511–518

Kelley & Iteker (2005) Nature Biotechnology  23:561-566

Perspectives : combiner les réseaux

Large-scale experimental methods for revealing protein-protein interactions:

Yeast Two Hybrid Assay

DNA

ADBD

Reporter gene

ADB

Uetz P, et al. A comprehensive analysis of protein-protein interactions in Saccharomyces cerevisiae.

Nature. 2000 Feb 10;403(6770):623-7.( 981 interactions, 1044 proteins )

Ito T, et al. A comprehensive two-hybrid analysis to explore the yeast protein interactome.

Proc Natl Acad Sci U S A. 2001 Apr 10;98(8):4569-74.( 4393 interactions, 3278 proteins )

Large-scale experimental methods for revealing protein-protein interactions:

Tandem Affinity Purification-Mass Spectrometry

Gavin AC, et al. Functional organization of the yeast proteome bysystematic analysis of protein complexes.

Nature. 2002 Jan 10; 415, 141-147.( 31304 interactions, 1361 proteins )

Large-scale experimental methods for revealing protein-protein interactions:

Tandem Affinity Purification-Mass Spectrometry

Gavin AC, et al. Nature. 2006( ~ 500 complexes, involving ~ 60% of yeast genes )

Large-scale experimental methods for revealing protein-protein interactions:

• Yeast Two Hybrid ~6,400 interactions

• Pull-down ~42,000 interactions

• Overlap:

~400 interactions detected by all experiments

~2500 interactions detected by more than one experiment

Small overlap is due to:• incomplete coverage of yeast interactome by large-scale screens

• limitations of experimental techniques (high false positive rates,

inability to capture interactions between certain classes of genes)

PCA(Protein fragment Complementation Assays)

A

A BB

Screening

Quantitation Pharmacology

Localization Trafficking

Screening

Dynamics Pharmacology

Localization Trafficking

Requirements for Network Visualization

Molecular interactions are detected directly.

Extremely high dynamic range

Genes are expressed in a relevant cellular context, in which components of the underlying pathway exist.

Events induced by any pathway perturbation can be detected, linking specific interactions to specific pathways.

Subcellular locations of protein complexes can be determined unambiguously.

Can be scaled and require no specialized detection technology.

A

Assay1

Assay2

P1

P1

Time

I/Io

Or

Ic/ In

Module 1

P1 P2 P3

Module 2

Module 3

Assays

Module 1

Module 2

Module 3

Module 1

Module 2

Module 3

A B