단백질 상호작용을 예측하기 위하여 몇몇 계산학적 방법들이 개발되었으나, 대부분 한 종류의 생명체에서의 단백질 상호작용에 국한된 것이다. 동종 단백질간의 상호작용 예측 기법은 단백질 종류를 구별하지 않기 때문에 이종 단백질간의 상호작용을 예측하는데 적합하지 않다. 본 논문은 단백질 서열 데이터를 이용하여 C형 간염 바이러스(HCV) 단백질과 인간 단백질의 상호작용을 예측하는 support vector machine (SVM) 모델의 개발을 소개한다. 이 SVM 모델의 예측 정확도는 평균적으로 81.5%임을 보였다. 이 SVM 모델과 단백질의 유전자 온톨로지 정보를 이용하여, HCV단백질과 인간 단백질 사이의 새로운 상호작용을 456개 예측하였다.
Several computational methods have been developed for predicting protein-protein interactions, but most of these methods are intended for finding the protein-protein interactions within a species rather than for the interactions across different species. Methods for predicting the interactions between homogeneous proteins are not appropriate for predicting the interactions between heterogeneous proteins since they do not distinguish the interactions between proteins of the same species from those of different species. In this paper we present the development of a support vector machine (SVM) model that predicts the interactions between hepatitis C virus (HCV) proteins and human proteins using the sequence data. The average accuracy of the SVM model in predicting the interactions between HCV proteins and human proteins is 81.5%. Using the SVM model and the Gene Ontology (GO) annotations of proteins, we also predicted a total of 456 new interactions between HCV and human proteins.
