Interested Article - Белок-белковые взаимодействия

Белок-белковое взаимодействие подковообразного ингибитора рибонуклеазы (показана каркасная модель) с рибонуклеазой. Контакты между двумя белками показаны цветными пятнами

Белок-белковые взаимодействия ( ББВ ) — обладающие высокой специфичностью физические контакты между двумя и более белками . Эти контакты образуются в результате биохимических событий с помощью электростатических взаимодействий , в том числе .

Белки — важные макромолекулы как для внутриклеточных, так и для внешних процессов. Белки редко действуют в одиночку: для участия в различных жизненно важных процессах внутри клетки эти макромолекулы с помощью белок-белковых взаимодействий собираются в мультибелковые комплексы . Белок-белковые взаимодействия составляют основу интерактома любой живой клетки . Они участвуют в таких важных клеточных процессах, как передача сигнала , клеточное общение, транскрипция , репликация , мембранный транспорт и другие. Поэтому неудивительно, что нарушения этих взаимодействий приводят ко многим заболеваниям, таким как болезнь Крейтцфельдта — Якоба , болезнь Альцгеймера и рак .

Не все белок-белковые взаимодействия образуются раз и навсегда. Часть белков входит в состав стабильных комплексов, которые являются молекулярными машинами (например, АТФ-синтаза или цитохромоксидаза ). Другие же белки собираются обратимо для осуществления какой-либо временной функции (например, для активации экспрессии генов в случае с транскрипционными факторами и активаторами ) .

Белок-белковые взаимодействия рассматриваются со стороны биохимии, квантовой химии, молекулярной динамики, передачи сигналов в клетке . Полученная информация позволяет создавать обширные сети белковых взаимодействий, похожих на метаболические или генетические/эпигенетические связи. Это расширяет текущие знания о биохимических каскадах и патогенезе заболеваний, а также открывает новые возможности для поиска новых терапевтических мишеней.

Типы белок-белковых взаимодействий

Белки могут «временно» связываться друг с другом или же образовывать «стабильные» мультибелковые комплексы. При этом белковые комплексы могут быть как гетеро-, так и гомоолигомерными. Классическими примерами ББВ являются взаимодействия фермент - ингибитор и антитело - антиген , но помимо них ББВ могут возникать между двумя доменами или же доменом и пептидом .

Гомо- и гетероолигомеры

Гомоолигомеры — макромолекулярные комплексы, состоящие только из одного типа белковых субъединиц. Если же связь образуется между неидентичными белковыми цепями, то образуется гетероолигомер . Гетероолигомеры разнятся по своей стабильности, а для большинства гомоолигомерных комплексов характерна симметричность и стабильность. Разборка гомоолигомеров зачастую требует денатурации . Некоторые ферменты , транспортные белки, факторы транскрипции выполняют свою функцию будучи гомоолигомерами. Взаимодействия между разными белками играют большую роль в клеточной передаче сигналов.

Обязательные и необязательные взаимодействия

Для разделения ББВ на обязательные и необязательные нужна информация о стабильности участвующих во взаимодействии белков (мономеров) в свободном состоянии и в составе белкового комплекса. Если мономеры стабильны in vivo только в составе комплекса, то взаимодействие между ними является обязательным . В результате обязательных взаимодействий формируются обязательные или облигатные комплексы. Если же белки могут существовать независимо, то они участвуют в необязательных ББВ. Большинство макромолекулярных машин в клетке являются примерами обязательных взаимодействий . К обязательным комплексам относятся человеческий катепсин D и димер ДНК связывающего белка P22 Arc repressor, а необязательных взаимодействий — взаимодействие RhoA с RhoGAP и тромбина со своим ингибитором родниином .

Постоянные и временные взаимодействия

ББВ можно разделить по времени жизни комплекса. Постоянные взаимодействия обычно очень стабильны: белки, взаимодействуя, образуют постоянныей комплекс. Они часто присутствуют в гомоолигомерах (например, Цитохром с ) и в некоторых гетероолигомерах (например, субъединицы АТРазы). Временные взаимодействия постоянно образуются и разрушаются. Они могут возникать при взаимодействии гормона с рецептором, передаче клеточного сигнала. Такой тип взаимодействия широко распространён в сигнальных и регуляторных путях .

Ковалентные и нековалентные взаимодействия

Ковалентные связи — наиболее прочные и образуются в случае обмена электронами (например, дисульфидные связи). Хотя эти связи редко встречаются при белок-белковых взаимодействиях, в некоторых посттрансляционных модификациях они являются определяющими (например, убиквитирование и навешивание SUMO белков). Нековалентные связи обычно образуются во временных взаимодействиях за счет комбинаций слабых связей: водородных , ионных, ван-дер-ваальсовых или гидрофобных .

Переход из неструктурированного в структурированное состояние

Отдельно можно выделить ББВ, которые образуются . В таких белках есть участки, аминокислотная последовательность которых не позволяет образовать стабильной третичной структуры. Эти белки могут взаимодействать с другими, подбирая подходящую конформацию для образования связи с партнёром .

Трёхмерная структура белковых комплексов

Молекулярные структуры многих белковых комплексов были разрешены с помощью рентгеноструктурного анализа . Первой такой структурой был миоглобин кашалота . Позднее для определения трёхмерной структуры белковых комплексов также стали применять ЯМР . Так, например, одной из первых была получена структура кальмодулин-связанных доменов, взаимодействующих с кальмодулином . Этот метод хорошо подходит для определения слабых белок-белковых взаимодействий .

Домены

Благодаря развитию методов разрешения трёхмерной структуры белков удалось выделить структурные домены, которые участвуют в образовании ББВ. Такими, например, являются:

SH2-домен, связывающий фосфорилированные белки;
SH3-домен, специфичный к пролин -богатым последовательностям;
PTB-домен, взаимодействующий с последовательностями, содержащими фосфотирозиновую группу;
LIM-домен, содержащий цистеин-богатый мотив цинкового пальца и способный связываться с PDZ-доменом и себе подобными;
SAM-домен, связывающий белки, не содержащие данный домен;
PDZ-домен, узнающий мотив S/TXV на C-конце белка, а также LIM-домены или себе подобные;
FERM-домен, способный связывать PI(4,5)P ₂ (фосфоинозитол-4,5-бисфосфат) .

Биологические эффекты белок-белковых взаимодействий

Белок-белковые взаимодействия играют важную роль во многих биологических процессах. Функция и активность белка в большинстве случаев изменяются при связывании с белками-партнёрами. Они могут оказывать значительное влияние на кинетические параметры фермента за счёт аллостерического эффекта, приводить к его инактивации (например, при связывании фермента с ингибитором) или к изменению специфичности фермента к своему субстрату .

Помимо этого, взаимодействие белков друг с другом может приводить к формированию нового центра связывания для субстрата на поверхности взаимодействия двух молекул. За счёт взаимодействия двух или более ферментов друг с другом становится возможным , что увеличивает эффективность ферментативных реакций за счёт стабилизации интермедиатов и повышения их локальной концентрации .

Методы изучения белок-белковых взаимодействий

Существует множество методов изучения белок-белковых взаимодействий . Некоторые из них позволяют экспериментально определять белки-партнёры для изучаемого белка, другие — лишь верифицировать возможное взаимодействие двух белков. Для подтверждения партнёрства двух белков используется бимолекулярная флуоресцентная комплементация (BiFC), FRET-методы, Far-Western, дрожжевая двугибридная система. Для решения задачи обнаружения белков-партнёров используется коиммунопреципитация с последующей аффинной хроматографией и масс-спектрометрией, система AviTag с промискуитетной BirA-лигазой. Основной проблемой в применении данных методов является возможная неспецифичность белка, который определился как входящий в состав белкового комплекса.

Дрожжевой двугибридный анализ

Принципы в основе двугибридных систем для дрожжей и млекопитающих

Двугибридные дрожжи позволяют in vivo выявлять парные ББВ (бинарный метод), а также неспецифичные липкие взаимодействия (sticky interactions) .

Клетки дрожжей трансфецируются двумя плазмидами: наживкой — интересующим нас белком с прилинкованным ДНК-связывающим доменом дрожжевого фактора транскрипции, например Gal4, и добычей — библиотекой кДНК (cDNA) фрагментов, прикреплённых к активирующему домену транскрипционного фактора. Если добыча и наживка взаимодействуют, два домена транскрипционного фактора соединяются и становятся функциональными. Таким образом, по присутствию результатов продукции репортерного гена можно судить о наличии взаимодействия между белками .

Несмотря на всю полезность, у дрожжевой двугибридной системы имеется ряд ограничений: относительно низкая специфичность; использование дрожжей в качестве основного хозяйского организма, что может приводить к проблемам при исследовании других биологических систем; относительно низкое количество обнаруживаемых ББВ, поскольку некоторые белки со слабыми связями теряются в процессе выделения (к примеру, плохо обнаруживаются мембранные белки ). Ограничения преодолеваются использованием различных вариантов двугибридной системы, например мембранным дрожжевым двугибридом (membrane yeast two-hybrid) , сплит-убиквитиновыми системами , которые не ограничены взаимодействиями только внутри ядра; и бактериальными двугибридными системами (с использованием бактерий, соответственно) .

Афинная хроматография с последующей масс-спектрометрией

Аффинная хроматография с последующей масс-спектрометрией позволяет обнаруживать, в основном, стабильные взаимодействия, тем самым лучше отражая функциональные ББВ, существующие в живой клетке ( in vivo ) . При использовании этого метода сначала выделяют помеченный белок, экспрессируемый в клетке обычно в in vivo концентрациях, и взаимодействующие с ним белки ( афинная хроматография ). Один из наиболее выигрышных и широко используемых методов для выделения протеинов в случае сильного фонового загрязнения — это метод . ББВ могут быть качественно и количественно проанализированы различными масс-спектрометрическими методами: химическим слиянием, биологическим или метаболическими слиянием (SILAC), или методами без использования меток .

Вычислительные способы предсказания ББВ

Так как до сих пор нет полных данных интерактома и не все ББВ обнаружены, при реконструкции сигнальных или метаболических карт взаимодействий используют различные вычислительные методы. Они позволяют устранить пробелы, предсказывая наличие тех или иных взаимодействий между узлами сети. С помощью вычислительных методов можно предсказать не только возможность ББВ, но также и их силу .

Ниже приведено несколько вычислительных подходов предсказания ББВ:

Поиск событий слияния генов или доменов белков : , что часто также означает слияние доменов, можно использовать для поиска функциональной связи между белками. При этом используется предположение, что слиянию этих генов в течение эволюции способствовал отбор .
Методы сравнительной геномики и кластеризации генов : часто гены, которые кодируют белки со схожей функцией или взаимодействующие друг с другом белки, находятся в одном опероне (в случае бактерий) или совместно регулируются (корегуляция) (в случае эукариот). Такие гены обычно близко расположены в геноме. Методы кластеризации генов оценивают вероятность совместной встречаемости ортологов белков, которые кодируют гены из одного кластера. Такие подходы помогают выявлять скорее функциональное взаимодействие между белками, чем их физический контакт .
Методы, основанные на филогенетических профилях : в таких методах предполагают, что если негомологичные белки функционально связаны, то существует вероятность того, что они могут вступать в ББВ и коэволюционировать. Для того чтобы найти функциональную связь между белками, используют кластеризацию по этих белков или же оценивают вероятность совместной встречаемости белков в различных протеомах . Идея того, что у взаимодействующих друг с другом белков часто схожие по топологии филогенетические деревья , используется в методе «mirror tree» .
Способы предсказания на основе гомологии : данный подход предполагает, что исследуемые белки будут взаимодействовать друг с другом, если известно, что их гомологи вступают во взаимодействие. Такие пары белков из разных организмов, которые сохранили в течение эволюции способность взаимодействовать друг с другом, называются . Примерами сервисов, использующих данный метод, являются PPISearch и BIPS .
Предсказание, основанное на данных коэкспрессии генов : если исследуемые белки кодируют гены с похожими паттернами экспрессии (схожий профиль и уровень экспрессии ) в разные временные промежутки, то можно предположить, что эти белки функционально связаны и, возможно, как-то взаимодействуют друг с другом .
Методы на основе сетевой топологии : сети ББВ можно представить в виде графа, где узлами являются белки, а каждое ребро обозначает взаимодействие между белками. С помощью математической интерпретации сети ББВ (например, в виде матрицы смежности ) можно определить, как белки функционально связаны между собой, а также предсказать новые ББВ. Если у двух белков очень много общих партнёров в сети, то скорее всего они принимают участие в одном биологическом процессе и потенциально могут взаимодействовать друг с другом .
In-Silico Two-Hybrid подход : главное предположение данного метода — взаимодействующие друг с другом белки коэволюционируют, чтобы сохранить функциональность. Данный метод анализирует множественные выравнивания белкового семейства и ищет скоррелированные мутации для предсказания ББВ и поиска оснований, входящих в участок связывания .
Предсказание ББВ, основанное на структуре белков : такой подход позволяет не только выяснить, могут ли белки взаимодействовать, но и охарактеризовать это взаимодействие (например, его физические характеристики или аминокислоты, входящие в состав поверхности взаимодействия двух белков). Одним из методов, использующих трёхмерную структуру белков, является докинг . Сюда же относят методы, которые предполагают эволюционную консервативность оснований, входящих в состав поверхности взаимодействия. Таким образом, на основе уже известных структур можно предсказать, как будет выглядеть мультимолекулярный комплекс исследуемых белков .
Методы, основанные на машинном обучении или интеллектуальном анализе текста : на основе машинного обучения был разработан метод предсказания ББВ, который использует только последовательности исследуемых белков . Это позволяет проанализировать, хотя и менее точно, бóльшее число возможных взаимодействий, так как для работы используются только аминокислотные последовательности. Интеллектуальный анализ текста ищет связь между белками, рассматривая их взаимное упоминание в предложениях или параграфах различных текстовых блоков .

Базы белок-белковых взаимодействий

Крупномасштабные поиски ББВ позволили выявить сотни тысяч взаимодействий, информация о которых была собрана в специализированных (БД). Эти базы постоянно обновляются с целью предоставить полный интерактом . Первой такой базой стала . С момента её появления число публичных баз данных продолжает расти. Эти БД можно разделить на три класса: первичные, мета-БД и БД предсказаний .

Первичные БД собирают информацию об опубликованных ББВ, чье существование доказано в мелко- или крупномасштабных экспериментах. Например, к ним можно отнести , (BIND), Biological General Repository for Interaction Datasets (BioGRID), Human Protein Reference Database (HPRD), IntAct Molecular Interaction Database, Molecular Interactions Database (MINT), MIPS Protein Interaction Resource on Yeast (MIPS-MPact) и MIPS Mammalian Protein-Protein Interaction Database (MIPS-MPPI) .
Мета-БД обычно являются результатом объединения данных из первичных баз, но могут и впоследствии пополняться оригинальной информацией. Примеры: Agile Protein Interaction DataAnalyzer (APID), The Microbial Protein Interaction Database (MPID8) и Protein Interaction Network Analysis (PINA) platform .
БД предсказанных ББВ заполняются результатами, полученными с использованием различных техник. Примеры: Michigan Molecular Interactions (MiMI), Human Protein-Protein Interaction Prediction Database (PIPs), Online Predicted Human Interaction Database (OPHID), Known and Predicted Protein-Protein Interactions (STRING) , а также Unified Human Interactome (UniHI) .

Сети белок-белковых взаимодействий

Визуализация интерактома человека, где точки обозначают белки, а соединяющие их синие линии — взаимодействия между белками

Информация, содержащаяся в базах ББВ, позволяет строить сети белковых взаимодействий. Сеть ББВ для одного конкретного белка вполне возможно описать, например, с помощью текста. Но задача создания диаграммы всевозможных внутриклеточных ББВ поистине сложна и трудноизобразима. Одним из примеров вручную созданной молекулярной карты взаимодействий является карта контроля клеточного цикла, созданная Куртом Коном (Kurt Kohn) в 1999 году . Базируясь на карте Кона, Швиковски (Schwikowski) и др. в 2000 году опубликовали карту ББВ в дрожжах, объединившую 1548 взаимодействующих протеина, информация о которых была получена методом двугибридного анализа. При визуализации для первоначального расположения вершин использовался метод послойного изображения графа, а затем полученное изображение было улучшено за счет применения силового (force based) алгоритма .

Чтобы упростить сложную задачу визуализации, были разработаны различные биоинформатические инструменты, которые также позволяют сочетать информацию о ББВ с другими типами данных. К примеру, широко используется пакет с открытым исходным кодом Cytoscape , к которому доступна масса плагинов . Для визуализации и анализа очень больших сетей подходит пакет Pajek .

Важная роль ББВ в физиологических и патологических процессах является хорошей мотивацией для расширения интерактома. В качестве примеров уже опубликованных интерактомов можно привести thyroid-специфичный интерактом DREAM и PP1α-интеракто в человеческом мозге .

Примечания

↑ De Las Rivas, J.; Fontanillo, C. Protein-protein interactions essentials: key concepts to building and analyzing interactome networks (англ.) // PLoS computational biology : journal. — 2010. — Vol. 6 , no. 6 . — P. e1000807 . — .
↑ Keskin, O.; Tuncbag, N; Gursoy, A. Predicting Protein–Protein Interactions from the Molecular to the Proteome Level (англ.) // (англ.) ( : journal. — 2016. — Vol. 116 , no. 8 . — P. 4884—4909 . — .
Herce, H.D.; Deng, W.; Helma, J.; Leonhardt, H.; Cardoso, M.C. Visualization and targeted disruption of protein interactions in living cells (англ.) // Nature Communications : journal. — Nature Publishing Group , 2013. — Vol. 4 . — P. 2660 . — .
↑ Jones, S.; Thornton, J.M. Principles of protein-protein interactions (англ.) // Proceedings of the National Academy of Sciences of the United States of America : journal. — 1996. — Vol. 93 , no. 1 . — P. 13—20 . — .
Nooren, I.M.; Thornton, J.M. Diversity of protein-protein interactions (англ.) // (англ.) ( : journal. — 2003. — Vol. 22 , no. 14 . — P. 3486—3492 . — .
↑ Westermarck, J.; Ivaska, J.; Corthals, G.L. Identification of protein interactions involved in cellular signaling (англ.) // Molecular & cellular proteomics : MCP : journal. — 2013. — Vol. 12 , no. 7 . — P. 1752—1763 . — .
Janin J. , Chothia C. (англ.) // The Journal of biological chemistry. — 1990. — Vol. 265, no. 27 . — P. 16027—16030. — .
↑ Bruce, A.; Johnson, A.; Lewis, J.; Raff, M.; Roberts, K.; Walter, P. Molecular biology of the cell (англ.) . — 4th. — New York: (англ.) ( , 2002. — ISBN 0-8153-3218-1 .
Kendrew, J.C.; Bodo, G.; Dintzis, H.M.; Parrish, R.G.; Wyckoff, H.; Phillips, D.C. A three-dimensional model of the myoglobin molecule obtained by x-ray analysis (англ.) // Nature : journal. — 1958. — Vol. 181 , no. 4610 . — P. 662—666 . — .
Wand, A.J.; Englander, S. W. Protein complexes studied by NMR spectroscopy (англ.) // Current opinion in biotechnology. — 1996. — Vol. 7 , no. 4 . — P. 403—408 . — .
Vinogradova, O.; Qin, J. NMR as a unique tool in assessment and complex determination of weak protein-protein interactions (англ.) // Topics in current chemistry : journal. — 2012. — Vol. 326 . — P. 35—45 . — .
Berridge, M.J. Cell Signalling Biology: Module 6 – Spatial and Temporal Aspects of Signalling (англ.) // (англ.) ( : journal. — 2012. — doi : .
↑ Phizicky E. M. , Fields S. (англ.) // Microbiological reviews. — 1995. — Vol. 59, no. 1 . — P. 94—123. — .
↑ Brettner L. M. , Masel J. (англ.) // BMC systems biology. — 2012. — Vol. 6. — P. 128. — doi : . — .
↑ Wodak, S.J.; Vlasblom, J.; Turinsky, A.L.; Pu, S. Protein-protein interaction networks: the puzzling riches (англ.) // Current opinion in structural biology : journal. — 2013. — Vol. 23 , no. 6 . — P. 941—953 . — .
Rajagopala, S.V.; Sikorski, P.; Caufield, J.H.; Tovchigrechko, A.; Uetz, P. Studying protein complexes by the yeast two-hybrid system (англ.) // Methods : journal. — 2012. — Vol. 58 , no. 4 . — P. 392—399 . — .
Stelzl, U.; Wanker, E.E. The value of high quality protein-protein interaction networks for systems biology (англ.) // Current opinion in chemical biology : journal. — 2006. — Vol. 10 , no. 6 . — P. 551—558 . — .
↑ Petschnigg, J.; Snider, J.; Stagljar, I. Interactive proteomics research technologies: recent applications and advances (англ.) // Current opinion in biotechnology : journal. — 2011. — Vol. 22 , no. 1 . — P. 50—8 . — .
Battesti, A; Bouveret, E. The bacterial two-hybrid system based on adenylate cyclase reconstitution in Escherichia coli (англ.) // Methods : journal. — 2012. — Vol. 58 , no. 4 . — P. 325—334 . — .
Enright, A. J.; Iliopoulos, I.; Kyrpides, N.C.; Ouzounis, C.A. Protein Interaction Maps for Complete Genomes Based on Gene Fusion Events (англ.) // Nature : journal. — 1999. — Vol. 402 , no. 6757 . — P. 86—90 . — .
Pazos, F.; Valencia, A. Similarity of Phylogenetic Trees as Indicator of Protein-Protein Interaction (англ.) // Protein Eng., Des. Sel. : journal. — 2001. — Vol. 14 , no. 9 . — P. 609—614 . — .
Jansen, R.; IGreenbaum, D.; Gerstein, M. Relating Whole- Genome Expression Data with Protein-Protein Interactions (англ.) // (англ.) ( : journal. — 2002. — Vol. 12 , no. 1 . — P. 37—46 . — .
Pazos, F.; Valencia, A. In Silico Two-Hybrid System for the Selection of Physically Interacting Protein Pairs (англ.) // Proteins: Struct., Funct., Genet. : journal. — 2002. — Vol. 47 , no. 2 . — P. 219—227 . — .
Shen, J.; IZhang, J.; Luo, X.; Zhu, W.; Yu, K.; Chen, K.; Li, Y.; Jiang, H. Predicting protein-protein interactions based only on sequences information (англ.) // Proceedings of the National Academy of Sciences of the United States of America : journal. — 2007. — Vol. 104 , no. 11 . — P. 4337—4341 . — .
Papanikolaou, N.; Pavlopoulos, G.A.; Theodosiou, T.; Iliopoulos, I. Protein-protein interaction predictions using text mining methods (англ.) // Methods : journal. — 2015. — Vol. 74 . — P. 47—53 . — .
Xenarios I. , Rice D. W. , Salwinski L. , Baron M. K. , Marcotte E. M. , Eisenberg D. (англ.) // Nucleic acids research. — 2000. — Vol. 28, no. 1 . — P. 289—291. — .
Schwikowski B. , Uetz P. , Fields S. (англ.) // Nature biotechnology. — 2000. — Vol. 18, no. 12 . — P. 1257—1261. — doi : . — .
Rigaut G. , Shevchenko A. , Rutz B. , Wilm M. , Mann M. , Séraphin B. (англ.) // Nature biotechnology. — 1999. — Vol. 17, no. 10 . — P. 1030—1032. — doi : . — .
Prieto C. , De Las Rivas J. (англ.) // Nucleic acids research. — 2006. — Vol. 34. — P. 298—302. — doi : . — .
Michael Kohl, Sebastian Wiese, and Bettina Warscheid (2011) Cytoscape: Software for Visualization and Analysis of Biological Networks. In: Michael Hamacher et al. (eds.), Data Mining in Proteomics: From Standards to Applications, Methods in Molecular Biology, vol. 696, DOI 10.1007/978-1-60761-987-1_18
Raman, K. Construction and analysis of protein-protein interaction networks (англ.) // Automated experimentation : journal. — 2010. — Vol. 2 , no. 1 . — P. 2 . — .
Rivas, M.; Villar, D.; González, P.; Dopazo, X.M.; Mellstrom, B.; Naranjo, J.R. Building the DREAM interactome (неопр.) // Science China. Life sciences. — 2011. — Т. 54 , № 8 . — С. 786—792 . — .
Esteves, S.L.; Domingues, S.C.; da Cruz e Silva, O.A.; Fardilha, M.; da Cruz e Silva, E.F. Protein phosphatase 1α interacting proteins in the human brain (англ.) // Omics : a journal of integrative biology : journal. — 2012. — Vol. 16 , no. 1—2 . — P. 3—17 . — .

Ссылки

Stark, C. (англ.) . . Nucleic Acids Res (2006). — Biological General Repository for Interaction Datasets (BioGRID). Дата обращения: 13 мая 2017. 17 декабря 2016 года.
Peri, S. (англ.) . . Nucleic Acids Res (2004). — Human Portein Reference Database (HPRD). Дата обращения: 13 мая 2017. 9 октября 2015 года.
Hermjakob, H. (англ.) . . Nucleic Acids Res (2004). — IntAct Molecular Interaction Database. Дата обращения: 13 мая 2017. 31 мая 2020 года.
Chatr-aryamontri, A. (англ.) . . Nucleic Acids Res (2007). — Molecular Interactions Database (MINT). Дата обращения: 13 мая 2017. 9 июля 2017 года.