Mô Hình Mạng Phân Tích Tương Tác Protein

Khóa luận trình bày mô hình mạng phân tích sự tương tác giữa các protein trong hệ thống thông tin ứng dụng, góp phần vào nghiên cứu sinh học.

• Tác giả: Le Trinh Thanh Thuy
• Người hướng dẫn: ThS. GVC Nguyen Thi Kim Phung
• Trường học: Đại Học Quốc Gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ Sư Ngành Hệ Thống Thông Tin
• Đề tài: Mô Hình Mạng Phân Tích Tương Tác Protein
• Loại tài liệu: Khóa Luận Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CÁM ƠN
• 2. CHƯƠNG 2: VỀ BỆNH PARKINSON
• 2.1. Bệnh Parkinson là gì?
• 2.2. Cơ sở lý thuyết về Sinh học
• 2.2.1. Amino Axit
• 2.2.2. Liên kết giữa Amino Axit và sự hình thành Protein
• 2.2.3. Phân loại và cấu trúc của Protein
• 2.2.4. Chức năng của Protein
• 2.2.5. Tương tác Protein — Protein (Protein-Protein interactions)
• 2.3. Cơ sở lý thuyết về Tin học
• 2.3.1. Mạng noron và noron nhân tạo
• 2.3.2. Kiến trúc mô hình mạng
• 2.4. Connected components
• 3. CHƯƠNG 3: NGHIÊN CỨU THỰC NGHIỆM
• 3.1. Môi trường và ngôn ngữ cài đặt
• 3.2. Bộ dữ liệu lấy về
• 3.3. Tiền xử lý dữ liệu
• 3.4. Mô phỏng đồ thị gốc và đồ thị con hoàn chỉnh
• 3.5. Các thông số độ đo trung tâm
• 3.6. Phát hiện cấu trúc cộng đồng trong mạng
• 3.7. Kết quả gom cụm sử dụng thuật toán phát hiện cộng đồng Leiden
• 4. CHƯƠNG 4: TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN
• 4.1. Kết quả đã đạt được
• 4.2. Hạn chế và hướng phát triển tiếp theo
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Mô Hình Mạng Phân Tích Tương Tác Protein

Mô hình mạng phân tích tương tác protein là một công cụ mạnh mẽ trong sinh học phân tử. Nó cho phép các nhà nghiên cứu hiểu rõ hơn về cách các protein tương tác với nhau trong các quá trình sinh học. Việc áp dụng mô hình này giúp phát hiện các mối quan hệ phức tạp giữa các protein, từ đó hỗ trợ trong việc phát triển thuốc và điều trị bệnh. Mô hình mạng không chỉ đơn thuần là một công cụ phân tích mà còn là một phương pháp trực quan hóa các tương tác protein, giúp dễ dàng nhận diện các mẫu tương tác.

1.1. Định nghĩa và Ý nghĩa của Mô Hình Mạng

Mô hình mạng là một cách tiếp cận để mô tả các mối quan hệ giữa các đối tượng, trong trường hợp này là các protein. Mỗi nút trong mạng đại diện cho một protein, trong khi các cạnh thể hiện sự tương tác giữa chúng. Việc sử dụng mô hình mạng giúp các nhà nghiên cứu dễ dàng hình dung và phân tích các tương tác protein-protein.

1.2. Lịch sử Phát triển Mô Hình Mạng trong Sinh Học

Mô hình mạng đã được phát triển từ những năm 2000, khi công nghệ sinh học và tính toán tiến bộ. Các nghiên cứu đầu tiên đã chỉ ra rằng việc phân tích tương tác protein bằng mô hình mạng có thể cung cấp thông tin quý giá về chức năng sinh học của protein. Sự phát triển này đã mở ra nhiều hướng nghiên cứu mới trong lĩnh vực sinh học phân tử.

II. Vấn đề và Thách thức trong Phân Tích Tương Tác Protein

Mặc dù mô hình mạng mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức trong việc phân tích tương tác protein. Các phương pháp truyền thống thường gặp khó khăn trong việc xử lý dữ liệu lớn và phức tạp. Hơn nữa, việc thiếu dữ liệu chính xác có thể dẫn đến những kết quả không đáng tin cậy. Các nhà nghiên cứu cần phải tìm ra các giải pháp để vượt qua những thách thức này.

2.1. Hạn chế của Phương Pháp Phân Tích Truyền Thống

Các phương pháp phân tích truyền thống thường yêu cầu nhiều thời gian và nguồn lực. Chúng cũng có thể không cung cấp thông tin chi tiết về cơ chế tương tác protein, dẫn đến những hiểu biết hạn chế về chức năng của chúng.

2.2. Thiếu Dữ Liệu và Độ Chính Xác

Một trong những thách thức lớn nhất là việc thiếu dữ liệu chính xác và đầy đủ. Dữ liệu không chính xác có thể dẫn đến những kết quả sai lệch, ảnh hưởng đến khả năng dự đoán và phân tích tương tác protein.

III. Phương Pháp Mới trong Mô Hình Mạng Phân Tích Tương Tác Protein

Để giải quyết các thách thức hiện tại, nhiều phương pháp mới đã được phát triển. Các phương pháp này bao gồm việc sử dụng học máy và các thuật toán phân tích đồ thị để cải thiện độ chính xác và hiệu quả trong việc phân tích tương tác protein. Những tiến bộ này không chỉ giúp tăng cường khả năng dự đoán mà còn mở rộng khả năng ứng dụng của mô hình mạng.

3.1. Ứng Dụng Học Máy trong Phân Tích Tương Tác

Học máy đã trở thành một công cụ quan trọng trong việc phân tích tương tác protein. Các thuật toán học máy có khả năng xử lý lượng lớn dữ liệu và phát hiện các mẫu tương tác phức tạp mà các phương pháp truyền thống không thể làm được.

3.2. Các Thuật Toán Phân Tích Đồ Thị Hiện Đại

Các thuật toán phân tích đồ thị như Louvain và Leiden đã được áp dụng để phát hiện cấu trúc cộng đồng trong mạng protein. Những thuật toán này giúp xác định các nhóm protein có chức năng tương tự, từ đó hỗ trợ trong việc nghiên cứu và phát triển thuốc.

IV. Ứng Dụng Thực Tiễn của Mô Hình Mạng trong Nghiên Cứu Protein

Mô hình mạng không chỉ có giá trị trong lý thuyết mà còn có nhiều ứng dụng thực tiễn trong nghiên cứu y sinh. Việc phân tích tương tác protein có thể giúp phát hiện ra các mục tiêu điều trị mới và hiểu rõ hơn về cơ chế bệnh lý. Các nghiên cứu gần đây đã chỉ ra rằng mô hình mạng có thể dự đoán chính xác các tương tác protein, từ đó hỗ trợ trong việc phát triển các phương pháp điều trị hiệu quả.

4.1. Khám Phá Các Mẫu Tương Tác Protein

Mô hình mạng giúp các nhà nghiên cứu khám phá các mẫu tương tác protein, từ đó phát hiện ra các mối liên hệ chưa được biết đến. Điều này có thể dẫn đến những hiểu biết mới về chức năng của protein trong các quá trình sinh học.

4.2. Ứng Dụng trong Phát Triển Thuốc

Việc hiểu rõ các tương tác protein có thể giúp phát triển các loại thuốc mới. Các nhà nghiên cứu có thể xác định các mục tiêu điều trị tiềm năng và phát triển các phương pháp điều trị hiệu quả hơn cho các bệnh lý phức tạp.

V. Kết Luận và Hướng Phát Triển Tương Lai của Mô Hình Mạng

Mô hình mạng phân tích tương tác protein đã chứng minh được giá trị của nó trong nghiên cứu sinh học. Tuy nhiên, vẫn còn nhiều thách thức cần phải vượt qua. Hướng phát triển tương lai có thể bao gồm việc cải thiện độ chính xác của dữ liệu và phát triển các phương pháp mới để phân tích tương tác protein. Sự kết hợp giữa công nghệ mới và mô hình mạng sẽ mở ra nhiều cơ hội nghiên cứu mới trong lĩnh vực sinh học phân tử.

5.1. Cải Thiện Độ Chính Xác Dữ Liệu

Để nâng cao độ chính xác trong phân tích tương tác protein, cần có các phương pháp thu thập và xử lý dữ liệu tốt hơn. Việc sử dụng công nghệ mới có thể giúp cải thiện chất lượng dữ liệu đầu vào.

5.2. Hướng Nghiên Cứu Mới trong Tương Lai

Hướng nghiên cứu tương lai có thể tập trung vào việc phát triển các mô hình mạng phức tạp hơn, cho phép phân tích sâu hơn về các tương tác protein. Điều này sẽ giúp mở rộng hiểu biết về chức năng của protein trong các quá trình sinh học.

Trích đoạn nội dung tài liệu

ĐẠI HỌC QUOC GIA TP. HO CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN KHOA HỆ THÓNG THÔNG TIN LE TRINH THANH THUY - 19522325 NGUYEN THI THUY NGA - 19521881 KHOA LUAN TOT NGHIEP UNG DUNG MO HINH MANG VAO PHAN TICH SU TƯƠNG TAC GIỮA CAC PROTEIN Network graph model for analyzing protein — protein interactions KY SU NGANH HE THONG THONG TIN GIANG VIEN HUONG DAN THS. GVC NGUYEN THI KIM PHUNG TP. HO CHi MINH, NAM 2023 LỜI CÁM ƠN Đầu tiên, cho phép nhóm em bày tỏ lòng biết ơn sâu sắc đối với Cô Nguyễn Thị Kim Phụng vì đã tận tâm và tận tụy hướng dẫn nhóm trong suốt quá trình nghiên cứu và thực hiện khóa luận tốt nghiệp.

Sự kiên nhẫn, kiến thức sâu rộng và sự tận tâm của Cô đã giúp nhóm em vượt qua những khó khăn trong quá trình nghiên cứu và hoàn thành đề tài đúng thời gian quy định của nhà trường. Tiếp theo, Nhóm em cũng xin chân thành cảm ơn các Thay/C6 giảng dạy tại Trường Dai Học Công Nghệ Thông Tin - Dai Học Quốc Gia Thành Phó Hồ Chí Minh đã truyền dạy những kiến thức quý báu cần thiết dé Nhóm em có thé hoàn thành luận văn, cũng như phục vụ tốt cho công việc sau này. Nhóm em cũng muốn gửi lời cảm ơn đến Trường Đại Học Công Nghệ Thông Tin — Đại Học Quốc Gia Thành Phố Hồ Chí Minh đã tạo điều kiện học tập, thực hành dé nhóm em hoàn thành luận văn cũng như khóa học của mình. Cuối cùng, nhóm chúng em xin gửi lời cảm ơn chân thành đến gia đình và những người đã giúp đỡ, ủng hộ, động viên dé nhóm em yên tâm nghiên cứu và hoàn thành luận văn.

TOM TAT KHOA LUAN00110157. Ly do Chon na. Mục đích đề tài. - cv ng HH 3 1.

Đối tượng của đề tài. Phạm vi nghiÊn CỨU.--- c6 6311839118393 1E 11 11911 911 9 HH ng 3 CHƯƠNG 2. Về Bệnh Parkinson. Bệnh Parkinson là Øì?.

-- -- + c1 1111211119111 1119 111 ng ng ng net 4 PA 001177. Cơ sở lý thuyết về Sinh học. c1 99T TH TH HH HT hư 6 2. Liên kết giữa Amino Axit và sự hình thành Protein.

Phân loại và cấu trúc của Protein. Chức năng của PTO(€1T1. Tương tac Protein — Protein (Protein-Protein interactions). Cơ sở lý thuyết về Tin hỌC.

Mạng nơron và noron nhân tạO. Kiến trúc mô hình mạng. 2-2-2 222 EE+EE+EE£+EE+EE+EE£E+zEE+Exerxerree 15 2. Connected COmpOT€TIS .-- c6 + E221 1111121 91 KH ng kg ệt 15 2.- Q9 HH HH TH TH HH HH Hệ 17 2.

Độ đo trong mô hình mạng. Độ trung tâm trung gian (Betweenness Centrality). Độ trung tâm gần (Closeness Centrality). Vector đặc trưng trung tâm (Eigenvector Centrality).

Độ đo trung tâm đồ thị con (Subgraph Centrality). Ung dụng của mô hình mạng. DO thi ốố. Độ do trong AG thị COM.5: tt 3S 2EEEE1212111215151115111111111 1xx xe.

Bài toán phân CỤIM. Định nghĩa phân cụm. Ý nghĩa và ứng dụng của phân cụm trong bài toán phân tích tương tấC protein — DTO(€ITI.- cece 1k HH HH, 35 2. Thuật toán phan cụm.-- s11 9v 9v ng ng 36 CHƯƠNG 3.

NGHIÊN CUU THỰC NGHIỆM. Môi trường và ngôn ngữ cải đặt. Sn SH Hy Hệ, 43 3. BO dit ligu thurc nghiém Ca).

Nuon dit HOU. Trang web ÏntÁC. TH TH ng ng vệ 43 3. Bộ dit liệu lẫy về.

Trang web UnPTO(.-- -- c1 v31 9 1 1v vn ng ng 45 3. Tiền xử lý đữ liệu. BO dit GU SOC an ẽẽsa. Dữ liệu dưới dạng file eXCeÌ.

Xử lý file đầu vào cho mạng noron. Tăng cường dữ LGU. Mô phỏng đồ thị gốc và đồ thị con hoàn chỉnh. Mô phỏng đồ thị gỐc .----22- 22+ 2S+‡EE+2EE2EEEEEEEEEESEEEExerrrerkrerkee 49 3.

Mô phỏng đồ thị con hoàn chỉnh .-:--2¿ 2 5+22++2zx2s++zs++zse2 50 3. Các thông số độ đo trung tam. Phát hiện cấu trúc cộng đồng trong mạng. Thời gian thực tHịĩ.---:-- + +c Sc 21 2115315313111 11 11 1 H1 11 HH HH ng re53 3.

DG Chinh ch. Kết qua gom cum sử dụng thuật toán phát hiện cộng đồng Leiden. Khám phá vai trò cau trúc mạng (detect TOÏ€). Vai trò sinh học cho từng TOÏ€.- - -- ¿+ 5 + *+**E+*eEvseeseeerseeerree 117 CHƯƠNG 4.

TONG KET VÀ HƯỚNG PHÁT TRIÊN. Kết quả đã đạt được. Hạn chế và hướng phát triển tiếp theo. Hướng phát triỀn.----- 2 2 ¿St +E+EE+EE£EE2EE2EEEEEEEEEEEEEEEEEEErEkrrerreeg 121 CHUONG 5.

TÀI LIEU THAM KHẢO.--- ¿6 St x+E‡EEEE+EEEeEtzkerererxereree 122 DANH MỤC HÌNH Hình 2.1 — Triệu chứng bệnh Parkinson (Nguồn: https://www.2 — Cau trúc chung của amino axit (Nguồn: https://diamonddrugs.3- Liên kết peptit (Nguồn: https://www.4 — Cấu trúc protein bậc 1 (Nguồn: https://ompz-ka.5 — Cau trúc protein bậc 2 (Nguôn: https://ompz-ka.6 — Cau trúc protein bậc 3 (Nguôn: https://ompz-ka.7 — Cau trúc protein bậc 4 (Nguôn: https://ompz-ka.8 — Cau trúc mạng noron nhân tao đơn giản.--- 2-2 s2s£+s+zx+zxzsz 14 Hinh 29 - Mô phỏng kiến tric mô hình mạng (Nguồn: https:/wwwW.- -- c kg TH HH 15 Hình 2.10 — Đồ thị có 2 thành phan liên thông.11 — Clique trong 46 thi .------ 2 2 2S E£SE£EEEEEEEEEEEEEEEEEEEerkerkerkerkrree 17 Hình 2.12 — Minh hoa phân cum (Nguồn: https://www.1 — Logo Intact oe .2 — Logo UniProt (Nguồn: https://www.3 — Logo Cytoscape (Nguồn https://cytoscape.-----¿-cs-cscs=sz 46 Hình 3.4 — Đồ thị một phía bộ dữ liệu Parkinson.- 55525 +ssc+sseeesee 49 Hình 3.5 — Đồ thị con hoàn chỉnh có số node nhiều nhất của đồ thị một phía của bộ Air 1G Parkinson.6 — Đồ thi phân cụm cua bộ dữ liệu Parkinson sử dung thuật toán Louvain 54 Hình 3.7 — Đồ thi phân cụm của bộ dữ liệu Parkinson sử dụng thuật toán CNM .8 — Đồ thi phân cụm của bộ dữ liệu Parkinson sử dụng thuật toán Leiden .9 — Số lượng protein trên từng cụm sử dụng thuật toán Leiden .10 — Biểu diễn pivot chart gán role cho bộ dữ liệu Parkinson.11 — Pivot chart biểu diễn role sinh hoc của từng protein thuộc Role 0.12 — Pivot chart biểu diễn role sinh học của từng protein thuộc Role 1.13 — Pivot chart biéu diễn role sinh học của từng protein thuộc Role 2.14 — Pivot chart biêu diễn role sinh học của từng protein thuộc Role 3.15 — Pivot chart biéu diễn role sinh học của từng protein thuộc Role 4. 1 19 DANH MỤC BANG Bảng 2.1 — Bảng phân loại 21 loại amino aCId.2 — Bang chức năng các 1oai DTOf1H.- - <5 2< SE SeeEseeeeeerereere 12 Bảng 3.1 — Dữ liệu mẫu của bộ dit liệu Parkinson.-- - - + sex £££t+xzx+xzxe 47 Bang 3.3 — Mô tả thuộc tính bộ dữ liệu.4 — Mô ta cấu trúc chuỗi sequence 2D của protein SGC2.5 — Số lượng đồ thị con hoàn chỉnh và đồ thị con hoàn chỉnh có số node MSU MAA 0.6 — Các thông số độ đo trung tâm của bộ dit liệu Parkinson.7 — Số cụm được tao ra từ các thuật toán Louvain, CMN, Leiden.8 — Thời gian thực thi cua các các thuật toán Louvain, CMN, Leiden.9 — Độ chính xác của các thuật toán Louvain, CMN, Leiden .10 — Bảng tổng hợp danh sách protein thuộc từng cụm sử dụng thuật toán phát hiện cộng đồng Leiden.- ¿2-22 22 22S£22E£2EE2EE£EEESEEESEEEEEEEEEEerkrrrkrrrrsree 56 Bảng 3.11 — Role cho bộ dữ liệu Parkinson. - -- <5 5 + + + £++kE+eeEeeeeerseereee 88 DANH MỤC TỪ VIET TAT Số thứ tự Thuật ngữ Mô tả 1 CNM Clauset Newman Moore 2 HITS Hyperlink-Induced Topic Search 4 LRRK2 Leucine-rich repeat kinase 2 TÓM TAT KHÓA LUẬN Protein là đại phân tử sinh học tham gia vào các quá trình sinh học cũng như chức năng chính của tế bào. Protein ít khi thực hiện nhiệm của chúng một cách độc lập mà thường tương tác với các protein khác có trong môi trường xung quanh dé hoàn thành các hoạt động sinh học của protein.

Việc phân tích tương tác giữa các protein bằng các phương pháp y sinh cho kết quả cao nhưng còn gặp khá nhiều hạn chế như tôn kém tài nguyên, nguôn lực,. Từ thực trạng đó, mục tiêu của khóa luận là ứng dụng mô hình mạng nhằm phân tích và dự đoán tương tác giữa các protein một cách trực quan. Ngoài ra, để có thé đánh giá bài toán một cách hoàn chỉnh thì việc chọn và xây dựng bộ dữ liệu là không thé thiếu. Đó cũng là mục tiêu là khóa luận này hướng tới — xây dựng và chọn ra các dữ liệu đầu vào phù hợp cho bai toán đặt ra.

Lý do chọn đề tài Tương tác protein — protein đóng vai trò quan trọng trong hầu hết các quá trình sinh học và có thé ảnh hưởng đến sự phát triển, chức năng và bệnh tật của cơ thé. Việc nghiên cứu và hiểu sự tương tác này giúp chúng ta tìm hiểu về cơ chế hoạt động của protein và các mạng tương tác phức tạp trong cơ thê, từ đó có thể mở ra cánh cửa cho việc phát trién thuốc mới và các phương pháp điều trị. Tuy nhiên, khi phân tích tương tác protein bằng các phương pháp y sinh, có rất nhiêu hạn chê: - Phitc tạp và tốn kém: Các phương pháp y sinh đòi hỏi nhiều công sức, thời gian và nguồn lực để thực hiện, với các thí nghiệm phức tạp và phân tích dữ liệu phức tạp. - Han chế dữ liệu: Dữ liệu thực nghiệm không luôn day đủ và chính xác, có thể gây ra sự thiếu chính xác và bất định trong kết quả phân tích.

- _ Thiếu cơ chế chi tiết: Phương pháp y sinh thường không cung cấp thông tin chi tiết về cơ chế tương tác protein - protein, chỉ tập trung vào việc xác định sự tương tác mà không tiết lộ cơ chế tương tác chỉ tiết. - Han chế áp dụng: Một số phương pháp y sinh chỉ áp dung cho một số loại protein hoặc hệ thống sinh học cụ thé, giới han khả năng áp dụng và tổng quát hóa kết quả phân tích. - _ GIới han của mô hình: Các phương pháp y sinh dựa trên mô hình và giả định nhất định, có thể gây ra sự chính xác không đủ do giả định không phù hợp hoặc hạn chê của mô hình. Với sự phát trién công nghệ trong lĩnh vực học máy và tính toán đã cho phép chúng ta xử ly và phân tích lượng lớn dữ liệu protein và tương tác protein — protein.

Sự tiến bộ này cung cấp cơ hội dé áp dung mô hình mạng và các phương pháp học máy đê nghiên cứu và dự đoán tương tác protein — protein một cách hiệu quả và nhanh chóng, mang lại nhiều lợi thế về khả năng xử lý dữ liệu, tính tự động, dự đoán mới và khám phá cơ chế tương tác, so với các phương pháp y sinh truyền thống. Mục đích đề tài Phân tích cấu trúc mạng liên kết protein của bệnh Parkinson từ bộ dữ liệu mở phân tử IntAct nhằm khai phá các mẫu tương tác giữa các protein — protein và sử dụng một số phương pháp học máy nhằm tìm sự tương đồng giữa các protein — protein, giúp các nhà nghiên cứu có thê sử dụng kêt quả này cho các nghiên cứu về sau.