STRING

STRING (сокр. от англ. Search Tool for the Retrieval of Interacting Genes/Proteins) — база данных и веб-ресурс для поиска информации об известных и предсказанных белок-белковых взаимодействиях^{[1][2][3][4][5][6][7][8]}.

STRING
Содержимое
Описание	Биоинформатический ресурс об известных и предсказанных белок-белковых взаимодействиях
Организмы	Все
Контакты
Лаборатория	CPR, EMBL, KU, SIB, TUD, UZH
Дата выпуска	2000
Доступность
Сайт	STRING
Прочее
Версия	10.5 (2017)

STRING обобщает информацию из различных источников: экспериментальные данные, литературные данные и предсказания de novo. Версия 10 содержит информацию о взаимодействиях 9 643 763 белков в 2031 виде организмов, от бактерий и архей до человека. База данных регулярно обновляется и доступна для свободного скачивания^[1].

STRING разработан консорциумом европейских университетов CPR, EMBL, KU, SIB, TUD и UZH.

Представление сети в STRING. На комбинированных скриншотах с сайта STRING отображены  результаты запроса по подмножеству белков принадлежащих к двум различным белковым комплексам у дрожжей (сигнальная КС-9, а также протеасома). Цветные линии между белками указывают на различные типы доказательств взаимодействия. Увеличенные узлы белка указывают на доступность информации о трехмерной структуре белка. Вставка сверху справа: для каждого белка доступна дополнительная информация, которая включает аннотации, перекрестные ссылки и доменные структуры.

Источники данных

В STRING основная единица — функциональная взаимосвязь, т.е. специфичная и биологически значимая функциональная связь между двумя белками ^[3].

Для каждой функциональной взаимосвязи STRING рассчитывает оценку достоверности, интегрирующую различные типы доказательств данной взаимосвязи (экспериментальные данные, литературные данные и предсказания de novo на основании ортологии экспериментально изученным белкам, а также на основании сравнительного анализа геномного контекста ^[9]). Такой комплексный подход имеет следующие преимущества ^[6]:

1. На один стабильный набор белков отображаются различные типы доказательств, облегчая сравнительный анализ.
2. Известные и предсказанные взаимодействия зачастую частично дополняют друг друга, что ведёт к расширению сети взаимодействий (на заданном уровне достоверности).
3. Оценка достоверности функциональной взаимосвязи повышается, когда данная взаимосвязь подтверждается несколькими типами доказательств.
4. Предсказание взаимодействий для большого числа организмов облегчает эволюционный анализ.

При расчёте оценки достоверности функциональной взаимосвязи различные типы доказательств данной взаимосвязи считаются независимыми и оценка рассчитывается по следующей формуле ^[6]:
${\displaystyle S=1-\prod _{i}(1-S_{i}),}$
где ${\displaystyle S_{i}}$ — вклад одного типа доказательств.

STRING не содержит информации о механизме белок-белковых взаимодействий, а также о том, в какое время клеточного цикла может иметь место данное взаимодействие, как оно зависит от внешних условий и насколько оно тканеспецифично. Напротив, STRING содержит информацию о всех возможных белок-белковых взаимодействиях в данном организме, в том числе информацию, предсказанную с определённой достоверностью, что делает STRING наиболее полным ресурсом о белок-белковых взаимодействиях, доступным на сегодняшний день, и особенно полезным для поиска информации о белках, не изученных экспериментально^[4].

Экспериментальные данные

STRING интегрирует информацию о взаимодействиях белков в структурных комплексах и метаболических путях, заимствованную из баз данных BIND, BioCarta, BioCyc, BioGRID, DIP, DISEASES, GO, HPRD, IntAct, KEGG, MINT, NCI-Nature Pathway Interaction Database, PDB, Reactome, TISSUES^[1][3].

Литературные данные

STRING извлекает информацию о взаимодействиях белков из полных текстов статей из баз данных PubMed, SGD, OMIM, FLyBase и из аннотаций статей из базы данных MEDLINE. Для этого в текстах производится автоматический поиск статистически значимых совместных упоминаний названий генов и их синонимов (данные о синонимах берутся из Swiss-Prot) с использованием обработки естественного языка. Для увеличения точности разработана оценочная система, учитывающая совместное упоминание названий генов в предложениях, абзацах и полных текстах статей^[2].

Предсказания de novo

STRING стремится дополнить функциональную аннотацию вновь секвенированных геномов путём de novo предсказаний функциональных взаимосвязей на основании ортологии экспериментально изученным белкам, а также на основании сравнительного анализа геномного контекста^[9]. STRING также даёт собственную оценку экспериментально изученным функциональным взаимосвязям, дополняя информацию о них.

Импорт полностью секвенированных геномов

Начиная с версии 9 (2011), STRING импортирует для анализа полностью секвенированные геномы, доступные в базах данных RefSeq и Ensembl, а также на специализированных сайтах^[3]. Импортированные геномы предварительно проверяются вручную на предмет полноты и неизбыточности. STRING не хранит информацию о различных изоформах белка, полученных в результате альтернативного сплайсинга или посттрансляционной модификации. Напротив, STRING ставит в соответствие одному локусу одну изоформу белка (как правило, наиболее длинную изоформу)^[5]. Такая фильтрация необходима для нормальной работы алгоритмов предсказания белок-белковых взаимодействий.

Предсказания взаимодействий белков на основании ортологии с экспериментально изученными белками

STRING считает референсным взаимодействие белков, участвующих в одном метаболическом пути KEGG, поскольку эта база данных курируется вручную и охватывает ряд организмов и функциональных областей. STRING переносит взаимодействия белков, описанные в метаболических путях KEGG, на ортологичные белки других организмов и присваивает каждому предсказанному белок-белковому взаимодействию определённый вес, который соответствует вероятности нахождения данных белков в одном метаболическом пути KEGG^[6] и вносит вклад в итоговую оценку достоверности данной функциональной взаимосвязи.

До версии 8 (2009) предсказания на основании ортологии с белками, описанными в метаболических путях KEGG, производились с использованием кластеров ортологичных групп белков (COGs)^[10], затем стали использоваться иерархические ортологичные группы белков из базы данных eggNOG ^[11].

Начиная с версии 9.1 (2013) предсказания на основании ортологии с белками, описанными в метаболических путях KEGG, производятся с учётом таксономии организмов, что позволяет избежать ошибочного переноса взаимодействия белков одного организма на предполагаемые ортологичные белки другого организма при наличии паралогов данных белков в другом организме, которые возникли вследствие дупликации соответствующих генов в процессе эволюции. Используется версия таксономии, поддерживаемая NCBI. Перенос белок-белковых взаимодействий между организмами на основании ортологии производится последовательно от низших к высшим уровням таксономической иерархии^[2].

Предсказания на основании сравнительного анализа геномного контекста

Гены, белковые продукты которых совместно функционируют в метаболическом пути или структурном комплексе, часто имеют общую регуляцию и испытывают общее давление естественного отбора. Такие гены имеют тенденцию к ко-локализации^[12] и даже к образованию фьюжн-гена^[13]. Часто такие гены находятся близко друг к другу, предположительно являясь одной транскрипционной единицей (опероном). В оперонах разных организмов набор генов и их порядок похожи, но не обязательно идентичны. STRING различает следующие типы геномного контекста^[9]:

• Фьюжн-ген, кодирующий фьюжн-белок.
• Консервативное окружение гена (характерно для близкородственных прокариот).
• Совместно встречающиеся гены (характерно для прокариот).
• Совместно экспрессирующиеся гены.

У эукариот не наблюдается оперонных структур, но некоторые эукариотические белки ортологичны прокариотическим белкам, поэтому STRING переносит на эукариотические белки функциональные взаимосвязи, предсказанные на основании сравнительного анализа геномного контекста у прокариот^[8].

STRING производит поиск консервативных генных кластеров, эволюционные истории которых похожи сильнее, чем ожидалось бы случайно. STRING стартует с одного гена-затравки и на первой итерации находит гены, которые часто встречаются с данным геном в одном геномном контексте у многих филогенетически далёких организмов. Идеального совпадения между встречаемостью генов не требуется, хотя эта информация оценивается количественно. На следующей итерации в качестве затравок используются новые гены, найденные на предыдущей итерации. Итерации продолжаются до тех пор, пока не будет найдено ни одного нового гена (сходимость). Таким образом, находится множество генов, косвенно связанных с геном-затравкой. Допускается вхождение в один геномный контекст только генов, расстояния между которыми не более 300 пар нуклеотидов^[8]. Начиная с версии 8 допускается вхождение в один геномный контекст генов, расположенных на разных цепях ДНК. В последнем случае предсказанной функциональной взаимосвязи присваивается меньший вес, вносящий меньший вклад в итоговую оценку достоверности данной взаимосвязи, по сравнению с функциональной взаимосвязью, предсказанной по геномному контексту, состоящему из генов, расположенных только на одной цепи ДНК^[4]. Присваеваемый вес нормируется на число организмов, у которых предсказана данная взаимосвязь^[7], и увеличивается при предсказании данной взаимосвязи у филогенетически далёких орнанизмов^[6].

При сборке консервативного окружения гена начиная с версии 8 игнорируются короткие частично перекрывающиеся гены на некодирующей цепи ДНК, т.к. они могут оказаться ложными предсказаниями^[4].

Начиная с 2005 года в STRING имеются два подхода к предсказанию белок-белковых взаимодействий на основании сравнительного анализа геномного контекста: при запросе пользователь может выбрать COGs-режим или Proteins-режим. В COGs-режиме поиск консервативных генных кластеров производится с требованием ортологичности белков, т.е. взаимодействия предсказываются по принципу «всё или ничего». В Proteins-режиме поиск консервативных генных кластеров производится по количественному сходству аминокислотных последовательностей белков, т.е. предсказываемые взаимодействия могут быть распространены на паралоги, если они есть в организме^[6]. Ранее в STRING количественное сходство аминокислотных последовательностей белков определялось по алгоритму Смита — Ватермана. Начиная с версии 9 (2011) для количественного определения сходства аминокислотных последовательностей белков используются матрицы SIMAP^[3][14].

Пользовательский интерфейс

Для того, чтобы сделать запрос в базу данных STRING, нужно указать идентификатор или аминокислотную последовательность одного или нескольких белков, а также выбрать организм. В случае запроса для аминокислотной последовательности белка, проводится поиск BLAST против всех белков выбранного организма (порог E-value = 10⁻⁵)^[8] и пользователю предлагается выбрать одну из находок, для которой будут показаны возможные взаимодействия с другими белками (Proteins-режим) или COGs (COGs-режим) в данном организме.

Экспериментально известные и предсказанные de novo взаимодействия заданного белка с другими белками представлены в виде графа, вершинами которого являются белки, а ребрами — различные типы доказательств функциональных взаимосвязей между этими белками. Вершины, соответствующие белкам, для которых расшифрована (или предсказана с определенной идентичностью) кристаллографическая структура, показаны более крупно. При клике на вершину во всплывающем окне доступны ссылки на сторонние ресурсы с информацией о данном белке, такие, как RefSeq, KEGG, UniProt, SMART и SWISS-MODEL, а также доступен предпросмотр доменной архитектуры и кристаллографической структуры (расшифрованной или предсказанной с определенной идентичностью) данного белка. Возможна кластеризация сети взаимодействий, добавление в сеть взаимодействий других белков при понижении порога достоверности функциональной взаимосвязи (и наоборот, удаление из сети взаимодействий белков при повышении порога), настройка допустимых типов доказательств функциональной взаимосвязи (например, можно оставить в сети взаимодействий только те белки, для взаимодействий которых есть экспериментальные доказательства), а также сохранение списка найденных белок-белковых взаимодействий в виде текстового файла и сохранение картинки сети взаимодействий^[3].

Список возможных функциональных взаимосвязей заданного белка содержит доказательства каждой взаимосвязи и ранжирован по уровню оцененной достоверности каждой взаимосвязи^[2].

Доступен просмотр филогенетического дерева, построенного по сцепленным выравниваниям последовательностей небольшого числа универсальных белковых семейств^[5][15], с нанесёнными на него различными типами геномного контекста. Доступны ссылки на статьи, в которых упоминается заданный белок, в том числе экспериментальные статьи.

Интеграция с другими ресурсами

Имеется плагин STRING для Cytoscape^[16]. Начиная с версии 10 (2015) программный пакет STRINGdb доступен для скачивания с Bioconductor и позволяет делать запросы к серверу STRING из языка программирования R^[1].

Примечания

1. D. Szklarczyk at al. STRING v10: protein–protein interaction networks, integrated over the tree of life (англ.) // Nucleic acids research : journal. — 2015. — Vol. 43. — P. D447—D452. — doi:10.1093/nar/gku1003. — PMID 25352553.
2. A. Franceschini at al. STRING v9.1: protein-protein interaction networks, with increased coverage and integration (англ.) // Nucleic acids research : journal. — 2013. — Vol. 41. — P. D808—D815. — doi:10.1093/nar/gks1094. — PMID 23203871.
3. D. Szklarczyk at al. The STRING database in 2011: functional interaction networks of proteins, globally integrated and scored (англ.) // Nucleic acids research : journal. — 2011. — Vol. 39. — P. D561—D568. — doi:10.1093/nar/gkq973. — PMID 21045058.
4. L. Jensen at al. STRING 8—a global view on proteins and their functional interactions in 630 organisms (англ.) // Nucleic acids research : journal. — 2009. — Vol. 37. — P. D412—D416. — doi:10.1093/nar/gkn760. — PMID 18940858.
5. C. Von Mering at al. STRING 7—recent developments in the integration and prediction of protein interactions (англ.) // Nucleic acids research : journal. — 2007. — Vol. 35. — P. D358—D362. — doi:10.1093/nar/gkl825. — PMID 17098935.
6. C. Von Mering at al. STRING: known and predicted protein–protein associations, integrated and transferred across organisms (англ.) // Nucleic acids research : journal. — 2005. — Vol. 33. — P. D433—D437. — doi:10.1093/nar/gki005. — PMID 15608232.
7. C. Von Mering at al. STRING: a database of predicted functional associations between proteins (англ.) // Nucleic acids research : journal. — 2003. — Vol. 31. — P. 258—261. — doi:10.1093/nar/gkg034. — PMID 12519996.
8. B. Snel at al. STRING: a web-server to retrieve and display the repeatedly occurring neighbourhood of a gene (англ.) // Nucleic acids research : journal. — 2000. — Vol. 28. — P. 3442—3444. — doi:10.1093/nar/28.18.3442. — PMID 10982861.
9. M. Huynen et al. Predicting Protein Function by Genomic Context: Quantitative Evaluation and Qualitative Inferences (англ.) // Genome research : journal. — 2000. — Vol. 10. — P. 1204—1210. — doi:10.1101/gr.10.8.1204. — PMID 10958638.
10. M. Galperin et al. Expanded microbial genome coverage and improved protein family annotation in the COG database (англ.) // Nucleic acids research : journal. — 2015. — Vol. 43. — P. D261—D269. — doi:10.1093/nar/gku1223. — PMID 25428365.
11. S. Powell et al. eggNOG v4.0: nested orthology inference across 3686 organisms (англ.) // Nucleic acids research : journal. — 2014. — Vol. 42. — P. D231—D239. — doi:10.1093/nar/gkt1253. — PMID 24297252.
12. M. Price et al. Operon formation is driven by co-regulation and not by horizontal gene transfer (англ.) // Genome research : journal. — 2005. — Vol. 15. — P. 809—819. — doi:10.1101/gr.3368805. — PMID 15930492.
13. A. Enright et al. Protein interaction maps for complete genomes based on gene fusion events (англ.) // Nature : journal. — 1999. — Vol. 402. — P. 86—90. — doi:10.1038/47056. — PMID 10573422.
14. T. Rattei et al. SIMAP—a comprehensive database of pre-calculated protein sequence similarities, domains, annotations and clusters (англ.) // Nucleic acids research : journal. — 2010. — Vol. 38. — P. D223—D226. — doi:10.1093/nar/gkp949. — PMID 19906725.
15. F. Ciccarelli et al. Toward Automatic Reconstruction of a Highly Resolved Tree of Life (англ.) // Science : journal. — 2006. — Vol. 311. — P. 1283—1287. — doi:10.1126/science.1123061. — PMID 16513982.
16. Cytoscape. STRINGApp  (неопр.). Дата обращения: 15 мая 2017. Архивировано 20 мая 2017 года.

Ссылки

• Сайт STRING
• STRINGdb на Bioconductor