Modelling the influence of dimerisation sequence dissimilarities on the auxin signalling network

Autor: Teva Vernoux, Jonathan Legrand, Stéphane Robin, Jean-Benoist Leger, Yann Guédon
Přispěvatelé: Reproduction et développement des plantes (RDP), École normale supérieure de Lyon (ENS de Lyon)-Institut National de la Recherche Agronomique (INRA)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Centre National de la Recherche Scientifique (CNRS), Modeling plant morphogenesis at different scales, from genes to phenotype (VIRTUAL PLANTS), Inria Sophia Antipolis - Méditerranée (CRISAM), Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de la Recherche Agronomique (INRA)-Amélioration génétique et adaptation des plantes méditerranéennes et tropicales (UMR AGAP), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Amélioration génétique et adaptation des plantes méditerranéennes et tropicales (UMR AGAP), Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Mathématiques et Informatique Appliquées (MIA-Paris), Institut National de la Recherche Agronomique (INRA)-AgroParisTech, iSAM transnational ERASysBio+ Grant, École normale supérieure - Lyon (ENS Lyon)-Institut National de la Recherche Agronomique (INRA)-Université Claude Bernard Lyon 1 (UCBL), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro), Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro)-Institut National de la Recherche Agronomique (INRA)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro), Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL), Université de Lyon-Université de Lyon-Institut National de la Recherche Agronomique (INRA)-École normale supérieure - Lyon (ENS Lyon), Institut National de la Recherche Agronomique (INRA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad), AgroParisTech-Institut National de la Recherche Agronomique (INRA), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Centre de Coopération Internationale en Recherche Agronomique pour le Développement (Cirad)-Institut National de la Recherche Agronomique (INRA)-Centre international d'études supérieures en sciences agronomiques (Montpellier SupAgro)-Institut national d’études supérieures agronomiques de Montpellier (Montpellier SupAgro), Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)-Institut national d'enseignement supérieur pour l'agriculture, l'alimentation et l'environnement (Institut Agro)
Rok vydání: 2016
Předmět:
0106 biological sciences
0301 basic medicine
développement végétal
Arabidopsis thaliana
Transcription
Genetic
Arabidopsis
Normal Distribution
F62 - Physiologie végétale - Croissance et développement
Bioinformatics
01 natural sciences
F30 - Génétique et amélioration des plantes
Interactions biologiques
Protein sequencing
Séquence d'ADN
[MATH.MATH-ST]Mathematics [math]/Statistics [math.ST]
Structural Biology
Transcriptional regulation
Expression des gènes
Cluster Analysis
Auxin signalling network
[SDV.BDD]Life Sciences [q-bio]/Development Biology
chemistry.chemical_classification
biology
U10 - Informatique
mathématiques et statistiques
Applied Mathematics
régulation transcriptionnelle
Physiologie végétale
Computer Science Applications
Signalling
Linear regression model
Modeling and Simulation
Binary and valued-graph clustering
Transcription
Modèle mathématique
Développement biologique
Signal Transduction
Research Article
Systems biology
Contrôle de croissance
Computational biology
Models
Biological
Arabidospsis thaliana
03 medical and health sciences
Auxin
modèle de régression linéaire
Modelling and Simulation
Plant development
Protein Structure
Quaternary
Molecular Biology
modélisation
Clustering coefficient
Méthode statistique
Indoleacetic Acids
Arabidopsis Proteins
Gene Expression Profiling
arabidospsis thaliana
auxin signalling network
transcriptional regulation
linear regression model
mixture model for random graphs
plant development
binary and valued-graph clustering
Mixture model for random graphs
biology.organism_classification
Auxine
Gene expression profiling
030104 developmental biology
chemistry
Protein Multimerization
Protéine végétale
010606 plant biology & botany
Zdroj: BMC Systems Biology
BMC Systems Biology, 2016, 10 (22), pp.17. ⟨10.1186/s12918-016-0254-7⟩
BMC Systems Biology, BioMed Central, 2016, 10 (22), pp.17. ⟨10.1186/s12918-016-0254-7⟩
BMC Systems Biology (10), . (2016)
ISSN: 1752-0509
DOI: 10.1186/s12918-016-0254-7
Popis: Background Auxin is a major phytohormone involved in many developmental processes by controlling gene expression through a network of transcriptional regulators. In Arabidopsis thaliana, the auxin signalling network is made of 52 potentially interacting transcriptional regulators, activating or repressing gene expression. All the possible interactions were tested in two-way yeast-2-hybrid experiments. Our objective was to characterise this auxin signalling network and to quantify the influence of the dimerisation sequence dissimilarities on the interaction between transcriptional regulators. Results We applied model-based graph clustering methods relying on connectivity profiles between transcriptional regulators. Incorporating dimerisation sequence dissimilarities as explanatory variables, we modelled their influence on the auxin network topology using mixture of linear models for random graphs. Our results provide evidence that the network can be simplified into four groups, three of them being closely related to biological groups. We found that these groups behave differently, depending on their dimerisation sequence dissimilarities, and that the two dimerisation sub-domains might play different roles. Conclusions We propose here the first pipeline of statistical methods combining yeast-2-hybrid data and protein sequence dissimilarities for analysing protein-protein interactions. We unveil using this pipeline of analysis the transcriptional regulator interaction modes. Electronic supplementary material The online version of this article (doi:10.1186/s12918-016-0254-7) contains supplementary material, which is available to authorized users.
Databáze: OpenAIRE
Externí odkaz: