导读:本文包含了蛋白蛋白相互作用网络论文开题报告文献综述及选题提纲参考文献，主要关键词:蛋白质相互作用网络,天花粉蛋白,MCF-7,PTX,凋亡耐药
蛋白蛋白相互作用网络论文文献综述
臧传鑫,刘瑞娟,魏峻玉,赵文歌,刘存[1]（2019）在《基于蛋白质相互作用网络探讨天花粉蛋白对乳腺癌MCF-7/PTX细胞的耐药逆转作用》一文中研究指出目的:构建人乳腺癌MCF-7/PTX细胞的蛋白质相互作用网络,预测细胞关键靶点,从凋亡耐药途径观察天花粉蛋白对MCF-7/PTX细胞的耐药逆转作用。方法:通过在线基因银行数(GenBank)筛选获得MCF-7/PTX细胞相关基因;使用STRING进行文本挖掘并构建蛋白质相互作用网络;应用插件Centiscape 2.2实现拓扑分析;基于拓扑分析所得的关键因子,选取Bcl-2基因为研究指标;MTT法检测TCS对MCF-7/PTX细胞的增殖抑制作用,Western Blot检测TCS对MCF-7/PTX细胞Bcl-2蛋白表达的影响。结果:通过"GenBank"筛选获得MCF-7/PTX细胞相关基因134个,软件STRING挖掘出MCF-7/PTX细胞的蛋白质相互作用网络包含1194个节点(蛋白质)、19733条边(相互作用关系);插件Centiscape 2.2分析得出关键节点Bcl-2。实验表明TCS对MCF-7/PTX细胞有明显的增殖抑制作用,且随着药物浓度的升高和作用时间的延长,对细胞的增殖抑制率升高,具有时间-剂量依赖性。不同浓度TCS作用于MCF-7/PTX细胞72 h,Bcl-2蛋白的表达下调,且呈剂量依赖性。结论:TCS通过下调MCF-7/PTX细胞Bcl-2蛋白的表达来发挥耐药逆转作用。(本文来源于《辽宁中医杂志》期刊2019年01期）
Song,Jiang-wei,Liu,Yuan-yuan,Gao,Peng[2]（2018）在《猪繁殖与呼吸综合征病毒非结构蛋白相互作用网络的鉴定》一文中研究指出猪繁殖与呼吸综合征病毒(PRRSV)严重危害我国及世界养猪业。该病原为有囊膜的单股正链RNA病毒,属套式病毒目动脉炎病毒科动脉炎病毒属。有关病毒复制与调控的分子机制是PRRSV病原学研究的重点之一。PRRSV基因组和亚基因组在宿主细胞内的合成受到病毒转录与复制复合体(RTC)调控,而RTC的主要成份为病毒非结构蛋白。PRRSV病毒侵入宿主细胞后,其基因组RNA作为信使(本文来源于《中国预防兽医学报》期刊2018年10期）
傅海安[3]（2018）在《基于肿瘤蛋白-蛋白相互作用网络的药物靶标发现（英文）》一文中研究指出基因组学的快速发展在我们面前呈现出了一幅肿瘤基因组的总构架,但目前最大的挑战之一是怎样将这些大量基因组信息转化成针对癌症病人基因变化的有效治疗方法.针对这一挑战,美国国家癌症研究所建立了"癌症靶标研发(CTD2)联盟".作为国家联盟的一员,埃默里大学CTD2中心着重于对癌症基因功能的研究,建立蛋白-蛋白相互作用网络,以助发现新的癌症治疗靶点.为了实现这个目标,笔者团队通过高通量筛选技术和高通量信息学方法的共同应用,快速检测癌症相关蛋白的分子互相作用,并构建了与肿瘤相关的蛋白-蛋白相互作用网络(OncoPPi).此网络将癌症基因与相应的功能蛋白相接,并可用于发现与肿瘤缺陷有关的作用机制、新药物靶标和新的治疗方法.这些数据已存入Emory CTD2中心的portal网站,供大家分享.Emory中心是CTD2联盟一个重要组成部分,联盟内提供实时的数据分享,合作紧密.通过共同努力,笔者团队以及CTD2联盟的目标是发展新的一代肿瘤信号通路干扰药物,实现基因组学基础上的精准治疗.(本文来源于《安徽大学学报(自然科学版)》期刊2018年05期）
常继伟[4]（2018）在《一种基于深度神经网络模型及蛋白相互作用预测癌症相关蛋白及蛋白组合的新方法》一文中研究指出如何从大量数据中挖掘出有意义的信息,如何把复杂的研究对象用精确而简明的模型描述出来一直是数据处理工作中的中心课题。针对这个问题有两种截然不同的方法:数据挖掘和复杂网络理论。复杂网络和数据挖掘方法不仅有着相似的研究目的,而且其分析对象在多数情况下也相同。但在实验数据分析中将两者协同应用解决同一问题的情况比较少,主要原因是两者在分析对象上有较多重迭,在多数情况下仅用一种方式就可以解决问题。但实际上,将数据挖掘和复杂网络很好的结合起来解决问题会给数据分析提供新的思路。本研究将复杂网络和数据挖掘相结合,同时用于分析癌症相关基因/蛋白,结果表明复杂网络和数据挖掘技术的协同应用可以为生物学数据的分析提供新的切入点。对癌症的研究积累了大量而且类型丰富的数据,利用这些数据发现癌细胞中关键的基因及其作用途径一直是重要的研究方向。得益于丰富的数据,癌症领域的数据分析方法也层出不穷,其中结合蛋白质相互作用网络分析基因及蛋白功能的方法是一个重要的类别。在癌症相关的信号传导,细胞定位和表达调控等过程中蛋白质相互作用扮演重要的角色,因此以蛋白质相互作用为基础整合其它组学数据的生物信息方法对分析参与这些过程的关键基因及蛋白至为重要。本研究不仅以人类蛋白质相互作用网络为基础,结合基因表达、基因重要性及基因突变数据优选并分析了癌症相关基因/蛋白和蛋白组合,还利用新的模型将生物网络与组学数据有效的结合起来,为后续分析提供帮助。本文的工作主要包含以下两个方面:(1)结合蛋白质相互作用网络和蛋白质、基因的表达数据预测新的癌症相关基因和蛋白质组合。蛋白质相互作用网络是典型的复杂网络,网络中每条边表示一对蛋白质的相互作用关系。表达数据包含基因或蛋白质在癌症组织、癌症细胞系和正常组织的样本中的表达量的信息,比较两类样本可以得到与癌症关联密切的基因或蛋白质。本研究将蛋白质相互作用网络用于构建稀疏的自动编码机,而后用癌症细胞系和正常组织的差异表达数据作为训练数据,训练后的自动编码机同时包含相互作用信息和差异表达信息。将训练得到的自动编码机用于构建一个深层模型,来模拟每个蛋白质/基因敲降对其它蛋白质/基因表达的影响,最后将这种影响关系表示为有向网络的形式。蛋白间相互影响的有向网络可以用于鉴定新的癌症相关蛋白。在本研究优选的TOP 500个高可信度的癌症相关蛋白中有211个为已知的癌症药物靶点,其余蛋白质的功能与癌症也密切相关。与其它方法相比较该方法有较高的AUC值(>0.8)。蛋白间相互影响的网络也可以用于预测蛋白组合。本文中提到的蛋白组合可以是合成致死组合,也可以是药物靶标的组合。这两类蛋白组合在蛋白相互影响网络中都与特定的蛋白存在密切联系。本研究利用已知的蛋白组合将这组蛋白质识别出来,并用于识别新的蛋白组合。交叉验证表明该策略有较高的准确度(>0.85),可以用于鉴别新的蛋白组合。进一步将该模型用于前列腺癌的单细胞测序数据集,单细胞测序可以检测病患体内癌细胞群体的演化,对临床治疗有重要意义。文中利用前列腺癌的数据集训练模型且计算了相应的蛋白影响网络,然后利用该网络识别了前列腺癌蛋白,其中包含已知的前列腺癌基因。这表明该模型适用于单细胞测序数据和小样本数据,具有良好的应用前景。(2)结合蛋白质相互作用网络和基因重要性数据寻找复杂的基因关联关系。在本研究中蛋白质相互作用网络依然表示两个蛋白质间的相互作用关系。基因重要性数据是通过CRISPR(Clustered regularly interspaced short palindromic repeats)试验方法随机突变细胞系基因组得到,简单来讲基因重要程度越高,可以承受的突变越少。通过比较初始CRISPR随机突变的细胞系和经过一段时间的培养的细胞系间基因组的差异可以得到基因重要性数据。本研究将基因的重要性数据通过新方法转换为蛋白质相互作用的重要性。相互作用的重要性可以用于筛选重要的互作,计算相互作用间的相关性以及重新评估基因的重要性。本研究利用蛋白相互作用的相关性发现了以细胞因子信号通路相关的蛋白互作为核心的网络,为理解细胞因子对其它生物学途径的调控提供了方向。另外用高重要性相互作用构建的子网络包含了关键蛋白质行使功能时的互作信息,为优选关键相互作用提供了新的工具。最后本文利用该方法发现了差异表达基因与高频突变基因之间的关联。本研究通过以上的实验表明复杂网络和数据挖掘技术的协同应用可以为生物学数据的分析提供新的切入点。两个方法都是以相互作用为基础,在模型构建时同时利用组学数据进行训练,因而可以将两种数据有机的结合在一起。对癌症相关基因/蛋白的分析表明这种结合对分析生物学数据是有帮助的。(本文来源于《华中农业大学》期刊2018-06-01）
侯春宇[5]（2018）在《利用蛋白质组学和生物信息学研究PKCζ相互作用蛋白网络》一文中研究指出研究背景和目的:乳腺癌是一种威胁性极强的恶性肿瘤,严重影响女性健康。对晚期的乳腺癌患者来说,转移仍然是临床上病人死亡的主要原因。蛋白激酶Cζ(Protein kinase Cζ,PKCζ)是非典型蛋白激酶C的异构体,是癌症中的关键调节因子。然而,PKCζ蛋白分子在调控肿瘤发生和转移的分子和细胞机制尚未完全了解。在这项研究中,我们结合蛋白质组学和生物信息学分析建立了PKCζ的相互作用蛋白质(Protein-protein interaction,PPI)网络,进一步了解PKCζ在乳腺癌中的生物学作用。研究方法:选取乳腺癌细胞MDA-MB-231,通过免疫共沉淀和液相色谱-质谱联用(Liquid chromatography tandem mass spectrometry,LC-MS/MS)的方法检测PKCζ相互作用的蛋白质。为了保证实验的可信性和重复性,我们设定了两个生物学重复和两个技术重复。使用CRAPome数据库对原始数据进行筛选过滤,其目的是消除潜在的假阳性结果。下一步将蛋白质组学鉴定结果与数据库检索结合起来构建相互作用网络。通过PANTHER和DAVID数据库进行基因本体论(Gene ontology,GO)分析和信号通路分析。接下来,通过免疫共沉淀、免疫印迹和免疫荧光等方法,验证PKCζ和蛋白磷酸酶2催化亚基α(Protein phosphatase 2catalytic subunit alpha,PPP2CA)之间的相互作用。此外,在大规模临床样本数据库中进行分析,通过TCGA数据库和COSMIC数据库分析PKCζ和PPP2CA表达量水平并进行生存分析。结果:建立了以PKCζ为中心的蛋白质相互作用网络,其中包含178个相互作用蛋白和1225个相互作用关系。对该网络进行生物信息学分析,结果表明所鉴定的蛋白质与调节癌症相关细胞过程的几个关键信号传导途径显着相关。结论:通过结合蛋白质组学和生物信息学分析,构建了以PKCζ为中心的PPI网络,使我们对PKCζ在乳腺癌调节和细胞生物学方面的作用有了更全面的了解。(本文来源于《天津医科大学》期刊2018-05-01）
王浩,王春晴,陈瑞冰[6]（2018）在《结合亲和质谱与生物信息学分析构建TP53BP1的蛋白相互作用网络》一文中研究指出蛋白质与蛋白质相互作用(PPIs)是两个或更多蛋白质分子之间通过静电作用、范德华力等建立的高度特异性的物理接触.细胞内的各种蛋白分子通过PPIs进行彼此之间的功能调节、信号通路的交互作用等,从而实现各种生物进程,而异常的PPIs也将导致疾病的发生、发展,其中就包括肿瘤.因此围绕某些和疾病密切相关的关键蛋白构建其相互作用生物网络(interactome)将有助于更好地分析该关键蛋白在疾病中的作用和可能的分子机制.本研究针对抑癌基因p53结合蛋白1(TP53BP1),利用亲和质谱分析鉴定了15个潜在的TP53BP1相互作用蛋白.同时,结合PPI数据库检索构建了与TP53BP1相互作用的蛋白质网络,并对该网络中的蛋白进行了功能富集分析、通路分析,结果显示,TP53BP1相互作用蛋白主要富集在细胞周期、同源重组、错配修复等重要通路,该研究为深入解析TP53BP1的生物学功能及其在肿瘤中的作用奠定了基础.(本文来源于《中国科学:生命科学》期刊2018年02期）
曹换换[7]（2017）在《基于基因表达谱和蛋白-蛋白相互作用网络的乳腺癌相关特异性基因的识别》一文中研究指出乳腺癌是一种对女性健康产生严重威胁的恶性肿瘤,目前的诊断及治疗效果较差。进一步识别乳腺癌相关的基因对于乳腺癌的治疗和诊断精确度的提高具有重大意义。再者,目前生物信息学的方法广泛地应用于疾病相关基因识别,为实验提供了重要的理论指导。故本研究基于生物信息学的方法进行乳腺癌相关基因的识别。(1)以乳腺癌为研究对象,将GEO数据库中表达谱数据集作为数据源。对原始数据进行背景校正、标准化及汇总等预处理操作,随后利用最大相关最小冗余的特征提取算法和Dijkstra最短路径算法对乳腺癌相关基因进行预测。然后去随机因素,最终得到乳腺癌的候选基因。(2)以叁阴性乳腺癌为研究对象,我们将GEO数据库中表达谱数据集作为数据源。同样方法获得与叁阴性乳腺癌具有最强相关性的候选基因,将这些候选基因与上述从乳腺癌分析中获得的候选基因取交集,得到最终的叁阴性乳腺癌的候选基因。最后对候选基因进行GO(Gene Ontology)和KEGG(Kyoto Encyclopedia of Genes and Genomes)富集分析。最终筛选出19个与乳腺癌具有最显着相关性的候选基因。这19个基因其中大部分已被报道与乳腺癌确有直接关系。GO富集分析表明这些基因主要与氧水平和转录相关。KEGG富集分析表明这些基因主要富集于前列腺癌路径、内分泌拮抗和癌症相关通路。最终得到54个与叁阴性乳腺癌相关的基因。这些基因其中大部分已被报道确与乳腺癌有直接的关系,同时其中另一些基因如MAGOH、RPS3、JUN、HCFC1、OGT、PPP1CB、CFTR及ESR1目前少见报道,提示可能是乳腺癌相关的新特异基因,有待实验验证。GO富集分析表明这些基因主要与黏附作用和转录有关。KEGG富集分析表明这些基因可能与病毒致癌有关。本研究的主要创新点:(1)将基因表达谱和PPI数据进行整合,用PPI网络的系统生物学方法研究基因表达谱数据。(2)将基因看作特征,基于最大相关最小冗余特征筛选算法以及最短路径算法筛选出与疾病显着相关的基因。最后利用GO分析与KEGG富集分析找出这些基因参与最多的信号通路和功能,以此推断与乳腺癌有关的重要潜在生物学机制和生物途径。本文为乳腺癌相关的基因识别提供了有效的方法和手段,对乳腺癌的进一步研究提供了一定的理论支持。(本文来源于《天津大学》期刊2017-11-01）
刘威,袁芳艳,周丹娜,刘泽文,杨克礼[8]（2015）在《牛支原体蛋白-蛋白相互作用网络的构建》一文中研究指出病原菌的相互作用组学研究是揭示潜在信号转导通路和新型药物靶标的有力工具。通过同源蛋白映射的方法构建了牛支原体的蛋白-蛋白相互作用网络,所构建的互作网络包含138个蛋白和693个相互作用关系。通过蛋白的互作频率分析,确定了在牛支原体中互作频率最高的20个蛋白,这些蛋白主要与转录、翻译、分子伴侣等功能相关。进一步分析发现,伴侣蛋白DnaK和ClpB发生互作的频率较高,能与核糖体蛋白、代谢相关蛋白等多种功能蛋白发生相互作用。结果提示,若DnaK和ClpB的功能受到抑制,将会对牛支原体的正常生命活动造成较大的影响。(本文来源于《动物医学进展》期刊2015年11期）
欧阳晨捷[9]（2015）在《Annexin A1相互作用蛋白的筛选、鉴定及蛋白分子网络图谱的绘制》一文中研究指出[目的]筛选与鉴定鼻咽癌细胞中Annexin A1的相互作用蛋白,绘制其在鼻咽癌侵袭转移中的调控蛋白质分子网络图谱,初步了解Annexin A1在鼻咽癌侵袭转移中的作用与机制。[方法]收集Annexin A1高表达的低转移鼻咽癌6-10B细胞总蛋白,采用免疫共沉淀结合凝胶电泳分离Annexin A1相互作用蛋白,二维液相色谱串联质谱鉴定相互作用蛋白,并进行基因本体论、功能聚类、信号通路、蛋白-蛋白相互作用等生物信息学分析,绘制Annexin A1在鼻咽癌侵袭转移中的调控蛋白质分子网络图谱。运用免疫共沉淀结合蛋白质印迹法对Annexin A1关键相互作用组蛋白S100A9、Vimentin进行验证。[结果]1、采用免疫共沉淀结合质谱分析,在鼻咽癌6-10B细胞中共鉴定了436个Annexin A1相互作用蛋白。2、通过GOTERM_BP分析显示:Annexin A1相互作用蛋白的生物学过程主要涉及到刺激反应、蛋白定位、细胞代谢过程等;GOTERM_MF分析显示:Annexin A1相互作用蛋白的分子功能主要涉及到催化作用、阳离子结合功能、蛋白结合功能、核苷酸结合、细胞骨架及ATP结合功能等;GOTERM_CC分析显示:Annexin A1相互作用蛋白的定位涉及到细胞质、细胞器、细胞膜及细胞骨架等多个部位。3、通过功能聚类分析显示:Annexin A1相互作用蛋白可聚类成21个功能相关簇,其功能主要涉及到钙依赖性磷脂结合、信号肽、膜的组分、跨膜转运、蛋白激酶活性、胞质囊泡的组分、细胞骨架组织。4、通过KEGG和Biocarta信号通路分析显示:Annexin A1相互作用蛋白涉及35条KEGG信号通路和7条Biocarta信号通路,其中有4个蛋白涉及到细胞骨架信号通路,9个蛋白涉及到粘附连接信号通路,12个蛋白涉及到跨膜转运信号通路。5、通过蛋白-蛋白相互作用网络分析显示:S100A9、Vimentin蛋白与Annexin A1形成相互作用组。6、应用免疫共沉淀结合蛋白质印迹法证实S100A9、Vimentin与Annexin A1叁者能形成复合物,与质谱结果一致。[结论]Annexin A1与S100A9和Vimentin存在相互作用,并且可能通过Annexin A1/S100A9/Vimentin相关信号通路影响鼻咽癌的侵袭和转移。(本文来源于《南华大学》期刊2015-05-01）
张天[10]（2015）在《食管鳞癌差异表达蛋白相互作用网络分析》一文中研究指出背景:2014年“世界癌症报告”报道,中国每年食管癌(Esophageal Cancer,EC)新增和死亡病例居全球首位,其中90%组织学上属于食管鳞状细胞癌(Esophageal squamous cell carcinoma,ESCC)。近20年来,EC患者的总体五年生存率却无显着变化,仍徘徊于15%-25%。EC预后差的主要原因在于多数病人首次确诊时已发展至中晚期,并且至少50%病人已有远处转移发生。因此,阐明ESCC发病因素及发生发展的分子机制,筛选鉴定ESCC特异敏感的生物标志物,探索新的治疗靶点和治疗手段,对降低ESCC发病率及死亡率具有重要的理论意义及临床应用价值。蛋白作为生命活动的最终承载者,在疾病发生发展过程中具有重要的生物学功能。蛋白与蛋白通过多种方式相互作用而形成复杂的蛋白-蛋白相互作用网络,参与正常生命活动的维系。病理状态下,蛋白-蛋白相互作用网络也随之发生动态变化。因此,单个蛋白的改变很难反映机体的生理或病理状态,造成单个异常分子诊断疾病的特异性、敏感性有限。质谱、蛋白芯片及生物信息学技术的应用,使我们能够从系统生物学角度理解生命及疾病过程的本质。此外,基于质谱技术的蛋白质组学具有重复性差、样品依赖度高和蛋白序列覆盖率低等缺陷。因此,需要寻找另外的方法来弥补这些不足,并同时提高鉴定低丰度蛋白的可能性。蛋白-蛋白相互作用网络分析不仅能够提供蛋白质分子功能、生物学通路及过程等信息,还能够在一定程度上弥补蛋白质组学研究的不足。目的:1应用i TRAQ标记及质谱定量技术分析ESCC及癌旁形态学正常食管黏膜上皮组织差异表达蛋白谱;2对上述差异表达蛋白进行基因本体(Gene ontology,GO)富集分析,确定与肿瘤相关的种子蛋白并绘制种子蛋白与蛋白间相互作用网络,通过网络拓扑学结构分析确定关键节点/瓶颈蛋白,并对其进行KEGG通路富集分析;3确定ESCC候选标志物纤维连接蛋白(Fibronectin,FN1)、肌动蛋白结合蛋白(Transgelin,TAGLN)、整合素β1(Integrinβ1,ITGB1)、14-3-3ζ(YWHAZ)在ESCC中的表达特征及临床意义。材料与方法:1分别提取10例ESCC及癌旁组织(来源于林州市肿瘤医院)蛋白,Bradford法测定蛋白浓度,取各例标本等量蛋白分别制备ESCC和癌旁组织混合蛋白标本,并进行i TRAQ标记、质谱定量分析ESCC相关蛋白表达(3次生物重复);根据平均差异倍数≥1.2倍及肽段≥2个确定差异表达蛋白列表;2应用Bin GO对243个差异表达蛋白进行GO功能富集分析,选取与肿瘤十大特征相关的117个蛋白为种子蛋白,搜寻STRING(http://www.string-db.org/)数据库中构建蛋白-蛋白相互作用网络;应用HUBBA网站(http://hub.iis.sinica.edu.tw/Hubba/index.php)中“度(DEGREE)”和“瓶颈(BOTTLE NECK)”算法分析蛋白网络的节点蛋白和瓶颈蛋白,并选取大于得分均值的蛋白为关键蛋白,Clue GO分析关键蛋白的KEGG通路特征;根据癌蛋白紧临及协同作用原则,由关键蛋白确定ESCC候选蛋白。3应用Western blot方法分析ESCC候选蛋白在ESCC组织中的表达:配制积层胶和分离胶,取等量癌与癌旁组织蛋白分别混合SDS上样缓冲液进行蛋白电泳,经转印,牛奶封闭,孵育一抗,二抗,显色曝光、显影、定影,最终结果灰度分析定量分析表达差异。4采用SPSS17.0统计软件处理,Western blot半定量结果分析采用配对t检验,P<0.05具有统计学意义。结果:1本实验最终鉴定了243个以平均差异倍数≥1.2倍及肽段≥2个为判定标准的差异表达蛋白,包括ESCC中高表达蛋白119个和低表达蛋白125个;2 243个差异蛋白的GO富集分析结果表明:经“超几何检验”分析,“FDR”多重检验校正,显着水平P<0.0001的GO条目有123个;与肿瘤十大特征(包括独立信号系统;抑制生长信号降低;减少细胞死亡;无限分裂特性;促进血管发育;组织浸润转移;逃脱免疫监视;促进炎症形成;异常能量代谢;遗传物质突变不稳定)显着相关的有17个GO条目,从而确定该条目包括的117个蛋白为种子蛋白;通过117个种子蛋白搜索STRING数据库构建蛋白-蛋白相互作用网络,该117个节点蛋白共包括255条相互作用;3网络拓扑学分析该网络各个节点的拓扑学评分,得到36个关键瓶颈蛋白和39个关键中心节点蛋白;上述关键蛋白整合经KEGG通路分析表明该蛋白在11条通路显示重要作用,分别为:黏着斑、蛋白酶体、细胞外基质受体相互作用、肥厚型心肌病、扩张型心肌病、致病性大肠杆菌感染、阿米巴病、白细胞跨内皮迁移、心肌收缩、致心律失常性右室心肌病、补体和凝血级联反应;与公认癌基因比对得到直接相互作用且拓扑学评分较高的蛋白作为候选蛋白,包括:Fibronectin、Transgelin、Integrinβ1、14-3-3ζ;4 Western blot结果:ESCC中Fibronectin和Integrinβ1表达显着升高,而Transgelin的表达却明显降低;14-3-3ζ在ESCC中的表达具有降低趋势,但统计学分析无显着性。结论:1本实验确定的ESCC候选标志物Fibronectin、Transgelin和Integrinβ1与ESCC显着相关,其临床意义及参与ESCC发生发展的机制需进一步的研究阐明。(本文来源于《河南大学》期刊2015-04-01）
蛋白蛋白相互作用网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
猪繁殖与呼吸综合征病毒(PRRSV)严重危害我国及世界养猪业。该病原为有囊膜的单股正链RNA病毒,属套式病毒目动脉炎病毒科动脉炎病毒属。有关病毒复制与调控的分子机制是PRRSV病原学研究的重点之一。PRRSV基因组和亚基因组在宿主细胞内的合成受到病毒转录与复制复合体(RTC)调控,而RTC的主要成份为病毒非结构蛋白。PRRSV病毒侵入宿主细胞后,其基因组RNA作为信使
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蛋白蛋白相互作用网络论文参考文献
[1].臧传鑫,刘瑞娟,魏峻玉,赵文歌,刘存.基于蛋白质相互作用网络探讨天花粉蛋白对乳腺癌MCF-7/PTX细胞的耐药逆转作用[J].辽宁中医杂志.2019
[2].Song,Jiang-wei,Liu,Yuan-yuan,Gao,Peng.猪繁殖与呼吸综合征病毒非结构蛋白相互作用网络的鉴定[J].中国预防兽医学报.2018
[3].傅海安.基于肿瘤蛋白-蛋白相互作用网络的药物靶标发现（英文）[J].安徽大学学报(自然科学版).2018
[4].常继伟.一种基于深度神经网络模型及蛋白相互作用预测癌症相关蛋白及蛋白组合的新方法[D].华中农业大学.2018
[5].侯春宇.利用蛋白质组学和生物信息学研究PKCζ相互作用蛋白网络[D].天津医科大学.2018
[6].王浩,王春晴,陈瑞冰.结合亲和质谱与生物信息学分析构建TP53BP1的蛋白相互作用网络[J].中国科学:生命科学.2018
[7].曹换换.基于基因表达谱和蛋白-蛋白相互作用网络的乳腺癌相关特异性基因的识别[D].天津大学.2017
[8].刘威,袁芳艳,周丹娜,刘泽文,杨克礼.牛支原体蛋白-蛋白相互作用网络的构建[J].动物医学进展.2015
[9].欧阳晨捷.AnnexinA1相互作用蛋白的筛选、鉴定及蛋白分子网络图谱的绘制[D].南华大学.2015
[10].张天.食管鳞癌差异表达蛋白相互作用网络分析[D].河南大学.2015