Οι πρωτεϊνικές αλληλεπιδράσεις (PPI) αναφέρονται στην σύνδεση δύο ή περισσοτέρων πρωτεϊνών ώστε να εκτελεστεί μια βιολογική λειτουργία. Την τελευταία δεκαετία, νέες τεχνολογίες υψηλής απόδοσης για τον εντοπισμό αυτών των αλληλεπιδράσεων έχουν παράγει μεγάλης κλίμακας σύνολα δεδομένων τόσο του ανθρώπου όσο και των περισσοτέρων ειδών. Με την αναπαράσταση αυτών των δεδομένων σε δίκτυα, με τους κόμβους να αναπαριστούν τις πρωτεΐνες και τις ακμές τις αλληλεπιδράσεις, μπορούν να εξαχθούν χρήσιμες πληροφορίες σχετικά με τον προσδιορισμό της λειτουργίας των πρωτεϊνών/πρόβλεψη ή σχετικά με το πώς να σχεδιαστούν κατάλληλα φάρμακα που προσδιορίζουν τα νέα γονίδια-στόχους για τον καρκίνο ή τους μηχανισμούς που ελέγχουν (ή ρυθμίζουν) τις βιολογικές αλληλεπιδράσεις που είναι υπεύθυνες για την καλή ή την κακή λειτουργία ενός κυττάρου. Στα πλαίσια της παρούσας διπλωματικής, κληθήκαμε να κάνουμε λειτουργική πρόβλεψη των πρωτεϊνών στο δίκτυο πρωτεϊνικών αλληλεπιδράσεων του ανθρώπου εφαρμόζοντας μια μέθοδο δυναμικής επικάλυψης η οποία βασίζεται στον έλεγχο του πώς οι ταλαντωτές οργανώνονται σε ένα «αρθρωτό»(modular) δίκτυο σχηματίζοντας διεπαφές συγχρονισμού και κοινότητες επικάλυψης. Μελετήσαμε το δίκτυο πρωτεϊνικών αλληλεπιδράσεων του ανθρώπου και τις κλάσεις λειτουργιών θεωρώντας ένα σύνολο ταλαντωτών φάσης (phase oscillators) με μία τοπολογία συνδέσεων που ορίζεται από το δίκτυο πρωτεϊνικών αλληλεπιδράσεων του ανθρώπου. Συγκεκριμένα, αρχίσαμε με μία απλή ομαδοποίηση για κάθε πρωτεΐνη και έπειτα χρησιμοποιήσαμε την μέθοδο δυναμικής επικάλυψης για τον προσδιορισμό των λειτουργιών των πρωτεϊνών του PPI δικτύου. Στην συνέχεια, εντοπίσαμε εκείνες τις πρωτεΐνες οι οποίες δεν είχαν ομαδοποιηθεί σωστά καθώς και τις πρωτεϊνες που ήταν πιθανόν να «συμμετείχαν» σε περισσότερες από μία λειτουργικές κλάσεις (πολυλειτουργικές πρωτεΐνες). Με κατάλληλο έλεγχο των αλληλεπιδράσεων μεσαίας κλίμακας του δικτύου των δυναμικών συστημάτων που δημιουργήθηκε παρήχθησαν χρήσιμες πληροφορίες για τις μικρής και μεγάλης κλίμακας διαδικασίες μέσω των οποίων οι βιολογικές διεργασίες οργανώνονται σε ένα κύτταρο γεγονός που αποκαλύπτει ότι η μέθοδος είναι ικανή όχι μόνο να εντοπίσει τις μη σωστά ομαδοποιημένες πρωτεΐνες αλλά και να αποκαλύψει αυτές που έχουν διπλή λειτουργικότητα (2 λειτουργίες). / Protein-protein interactions (PPI) refer to the binding of two or more proteins to perform a biological function. In the last decade, novel high-throughput technologies for detecting those interactions have produced large-scale data sets across human and most model species. By embedding these data in networks, with nodes representing proteins and edges the detected PPIs, useful information can be extracted regarding protein functional annotation/prediction or on how to design proper drugs, identifying new targets on cancer, or mechanisms to control (or regulate) the biological interactions responsible for the functioning,or malfunctioning, of a cell. Under the framework of my master thesis, I had to apply a method of dynamical overlap based on the inspection of how oscillators organize in a modular network by forming synchronization interfaces and overlapping communities to the human PPI network. I studied the human protein interaction network (PIN) and its functional modules by considering an ensemble of phase oscillators with a topology of connections defined by the human PIN. In particular, I started with a single classification for each protein and I used the dynamical overlap method for identifying/predicting of the proteins function(s) in the PPI network. Then, I identified all those proteins that were misclassified and those proteins that were likely to be involved in more than one of the functional categories in our data(multifunctional proteins). A proper inspection on the meso-scale interactions of the generated network of dynamical systems provided useful information on the micro- and macro- scale processes through which biological processes are organized in a cell, that is, the method is not only able to identify the misclassified proteins but also to unveil those proteins that have double functionality.

Η αποσαφήνιση της σχέσης του γονοτύπου με το φαινότυπο ενός οργανισμού είναι μια από τις μεγαλύτερες προκλήσεις των επιστημών ζωής σήμερα. Για την επίτευξη του στόχου αυτού, η κατανόηση της δομής και της ρύθμισης του δικτύου πρωτεϊνικών αλληλεπιδράσεων (ΔΠΑ) είναι ένα από τα καθοριστικά στάδια αυτής της συσχέτισης. Πρώτο βήμα προς την κατεύθυνση αυτή αποτελεί η λεπτομερής και ακριβής ανακατασκευή του ΔΠΑ. Πειραματικά αποτελέσματα που υποστηρίζουν πρωτεϊνικές αλληλεπιδράσεις δημοσιεύονται στη βιβλιογραφία, από όπου η γνώση αυτή εξορύσσεται είτε μέσω άμεσης καταγραφής από ερευνητές είτε μέσω υπολογιστικών αλγορίθμων ανάλυσης κειμένου, και αποθηκεύεται σε πρωτογενείς βάσεις δεδομένων πρωτεϊνικών αλληλεπιδράσεων (ΒΔΠΑ). Για το ΔΠΑ στον άνθρωπο, υπάρχουν αρκετές ΒΔΠΑ, οι οποίες λόγω διαφορετικών στόχων, τρόπων εξόρυξης γνώσης από τη βιβλιογραφία και διαφορετικής διαχείρισης της βάσης, παρουσιάζουν μικρή επικάλυψη, περιγράφουν τα δεδομένα τους με ασύμβατο μεταξύ τους τρόπο και ορολογία, και ορίζουν τις πρωτεϊνικές αλληλεπιδράσεις μέσω διαφορετικών επιπέδων αναφοράς της γονιδιακής πληροφορίας. Για την ενοποίηση δεδομένων πρωτεϊνικών αλληλεπιδράσεων από διάφορες πρωτογενείς βάσεις έχουν αναπτυχθεί μετα-βάσεις, οι οποίες προσπαθούν να ξεπεράσουν τα προβλήματα που προκύπτουν από την ετερογένεια των ΒΔΠΑ. Και στην περίπτωση των μεταβάσεων, όμως, ανακύπτουν προβλήματα, που αφορούν: α) στο ότι το δίκτυο ορίζεται με βάση τις πρωτεϊνικές αλληλεπιδράσεις και όχι τις πρωτεΐνες-κόμβους του ΔΠΑ, β) στον πλεονασμό κωδικών ταυτοποίησης των πρωτεϊνών στα διάφορα επίπεδα αναφοράς της γονιδιακής πληροφορίας, γ) στην ετερογένεια του τρόπου κανονικοποίησης των κωδικών ταυτοποίησης πρωτεϊνών, δ) στην υστέρηση της ανανέωσής τους σε σχέση με τις πρωτογενείς βάσεις και ε) στην επιλογή των δεδομένων που καταγράφονται από τις ΒΔΠΑ. Ο σκοπός αυτής της εργασίας είναι ο σχεδιασμός και η ανάπτυξη μιας μετα-βάσης δεδομένων για το δίκτυο πρωτεϊνικών αλληλεπιδράσεων στον άνθρωπο, PICKLE, που να προσφέρει επαρκείς λύσεις στα προβλήματα αυτά. Η μεγάλη διαφορά σε σχέση με τις υπάρχουσες μετα-βάσεις είναι ο ορισμός του ΔΠΑ με βάση το αξιολογημένο πλήρες ανθρώπινο πρωτεϊνωμα (Reviewed complete Human Proteome), όπως αυτό ορίζεται από τη βάση δεδομένων γνώσης πρωτεϊνικής πληροφορίας UniProt ΚΒ. Για τις πρωτεΐνες αυτές αναζητήθηκε η σχετική πληροφορία αλληλεπιδράσεων στις πέντε κύριες δημόσιες βάσεις πρωτεϊνικών αλληλεπιδράσεων στον άνθρωπο, DIP, HPRD, IntAct, MINT και BioGRID. Τα προβλήματα του πλεονασμού και της κανονικοποίησης λύθηκαν μέσω της ανάπτυξης μίας κατάλληλης γονιδιακής οντολογίας, η οποία μας επέτρεψε να συνδέσουμε το πλήρες ανθρώπινο πρωτεϊνωμα με τα υπόλοιπα επίπεδα αναφοράς της γενετικής πληροφορίας, δρώντας παράλληλα ως ένας ευέλικτος και ακριβής μηχανισμός κανονικοποίησης. Για τη γρήγορη ανανέωση των δεδομένων της μετα-βάσης, αναπτύχθηκε μια αυτοματοποιημένη διαδικασία σύνδεσης και ενημέρωσής της από τις PPIDBs. Η πρώτη έκδοση της PICKLE κατέγραψε 83720 αλληλεπιδράσεις για 12418 UNIPROT IDs από το σύνολο των 20225 του πλήρους ανθρώπινου πρωτεϊνωματος, που υποστηρίζονται από 27.590 δημοσιεύσεις. Η PICKLE θα εμπλουτιστεί με ένα φιλικό προς το χρήστη γραφικό περιβάλλον και θα συνδεθεί με εργαλεία ανάλυσης δικτύων και ομικών δεδομένων, για να αποτελέσει πολύτιμο εργαλείο σε βιοϊατρικές μελέτες και εφαρμογές. / The elucidation of the underlying relationship between an organism’s genotype and its expressed phenotype is currently one the greatest challenges faced by life sciences and biology in general. In order to achieve that, the better understanding of the inner structure and regulation mechanisms of the protein-protein interaction (PPI) networks is of great importance. The first step towards that goal is the detailed and accurate reconstruction of the PPI network itself. The scientific literature is constantly being updated with new experimental results supporting PPI evidence, which in turn are fed into primary PPI databases (PPIDB) by the use of either curators or text mining algorithms. Currently there is a large number of PPIDB referring to the human PPIs. Since many of them have different goals, literature curation methods, and database administration strategies, it is not surprising that they also exhibit a limited PPI overlap and incompatible terminology for PPI intera\-ctors, i.e. use of arbitrary levels of genetic organization. A number of meta-databases have been developed in order to achieve integrated overviews of PPI networks while circumventing the problems inherent in the field of primary PPI databases. Unfortunately, meta-databases have a number of issues of their own, such as: a) top-down network definition based on protein interactions instead of interactors, b) protein identifier redundancy in all levels of reference, c) the use of {\it ad hoc} normalization methods, d) infrequent updating and d) insufficient information stored. The major goal of this thesis is the design and implementation of PICKLE (Protein Interaction Knowledge Base), a meta-database for the human PPI network created specifically to tackle the aforementioned problems. PICKLE’s novelty stems from its unique approach to PPI network definition, following a bottom-up reconstruction method based on UniProt’s reviewed complete human proteome (RCHP) definition. Five primary PPIDB (DIP, HPRD, IntAct, ΜΙΝΤ and BioGRID) were mined for interactions explicitly constrained by UniProt’s proteome definition. Furthermore, in order to tackle the issues of redundancy and inadequate normalization, a specific ontology was designed which allowed linking of the RCHP set with all the other levels of genetic organization while also serving as an agile yet accurate normaliza\-tion mechanism. In order to address the issue of updating, an autonomous means of data collection and integration was developed. PICKLE’s maiden release recorded 83720 direct PPIs involving 12418 UniProt IDs (out of 20225) supported by a total of 27590 publications. PICKLE, an evolving valuable bioinformatics for biomedical research and red biotechnology applications tool will soon be updated with a user-friendly interface and upgraded by linking it with network analysis software and various omics datasets.