HASIL DAN PEMBAHASAN Identifikasi Protein-Protein Signifikan Yang Berasosiasi Dengan Diabetes Mellitus (Dm) Tipe 2 Menggunakan Analisis Topologi Jejaring Protein-Protein Interaction

Tabel 1. Kandidat protein-protein signifikan yang berasosiasi dengan DM tipe 2 No Gene Protein GeneLocus name 15 EPO Erythropoietin 16 FOXC2 Forkhead box C2 17 FOXP3 Forkhead box P3 scurfin 18 GCGR Glucagon receptor 19 GCK Glucokinase hexokinase-4 20 GLIS3 GLIS family zinc finger protein 3 21 GPD2 Glycerol-3-phosphate dehydrogenase 2 mitochondrial 22 HFE Hemochromatosis gene 23 HMGA1 High-mobility group AT-hook 1 24 HNF1A HNF1 homeobox B 25 HNF1B HNF1 homeobox B transcription factor 2 26 HNF4A Hepatocyte nuclear factor 4, alpha transcription factor-14 27 IAPP Islet amyloid polypeptide diabetes-associated peptide; amylin 28 IDDM1 Insulin-dependent diabetes mellitus-1 29 IDDM11 Insulin-dependent diabetes mellitus-11 30 IDDM13 Insulin-dependent diabetes mellitus-13 31 IDDM15 Insulin-dependent diabetes mellitus-15 32 IDDM17 Insulin-dependent diabetes mellitus-17 33 IDDM18 Insulin-dependent diabetes mellitus-18 34 IDDM19 Diabetes mellitus, insulin-dependent, 19 35 IDDM21 Diabetes mellitus, insulin-dependent, 21 36 IDDM23 Diabetes mellitus, insulin-dependent, 23 37 IDDM24 Diabetes mellitus, insulin-dependent, 24 38 IDDM3 Insulin-dependent diabetes mellitus-3 39 IDDM4 Insulin-dependent diabetes mellitus-4 40 IDDM6 Insulin-dependent diabetes mellitus-6 41 IDDM7 Insulin-dependent diabetes mellitus-7 42 IDDM8 Insulin-dependent diabetes mellitus-8 43 IDDMX Diabetes mellitus, insulin-dependent, X-linked, susceptibility to 44 IER3IP1 Immediate-early response 3-interacting protein 1 45 IGF2BP2 Insulin-like growth factor 2 mRNA-binding protein 2 46 IL1RN Interleukin-1 receptor antagonist 47 IL2RA Interleukin-2 receptor 48 IL6 Interleukin-6 interferon, beta-2 49 INS Insulin 50 INSR Insulin receptor 51 IRS1 Insulin receptor substrate-1 52 IRS2 Insulin receptor substrate 2 53 ITPR3 Inositol 1,4,5-triphosphate receptor, type 3 54 KCNJ11 Potassium inwardly-rectifying channel, subfamily J, member 11 55 KLF11 Kruppel-like factor 11 56 LIPC Lipase, hepatic 57 MAPK8IP1 Mitogen-activated protein kinase 8-interacting protein 1 58 MTNR1B Melatonin receptor 1B 59 NEUROD1 Neurogenic differentiation 1 60 NIDDM2 Diabetes mellitus, noninsulin-dependent, 2 61 NIDDM3 Noninsulin-dependent diabetes mellitus 3 62 NIDDM4 Diabetes mellitus, noninsulin-dependent, 4 63 OAS1 2,5-oligoadenylate synthetase-1 64 PAX4 Paired box homeotic gene-4 65 PBCA Pancreatic beta cell, agenesis of 66 PDX1 Insulin promoter factor 1, homeodomain transcription factor 67 PLAGL1 Pleomorphic adenoma gene-like 1 ZAC tumor suppressor 15 Tabel 1. Kandidat protein-protein signifikan yang berasosiasi dengan DM tipe 2 No Gene Protein GeneLocus name 68 PON1 Paraoxonase-1 69 PPARG Peroxisome proliferator activated receptor, gamma 70 PTPN22 Protein tyrosine phosphatase, nonreceptor-type 22 71 RETN Resistin 72 RRAD Ras-related associated with diabetes 73 SLC2A2 Solute carrier family 2 facilitated glucose transporter, member 2 74 SLC30A8 Solute carrier family 30 zinc transporter, member 8 75 SOD2 Superoxide dismutase-2, mitochondrial 76 SPINK3 Serine protease inhibitor, Kazal type I 77 SUMO4 Small ubiquitin-like modifier 4 78 TBC1D4 TPC1 domain family, member 4 79 TCF7L2 Transcription factor 7-like 2 80 UCP3 Uncoupling protein-3 81 VEGFA Vascular endothelial growth factor 82 WFS1 Wolframin 83 ZFP57 Zinc finger protein 57, mouse, homolog of Protein-protein yang tidak memiliki data PPI pada basis data STRING Selanjutnya 83 kandidat protein-protein signifikan tersebut digunakan sebagai data input pada basis data STRING dan hasilnya 63 kandidat protein signifikan memiliki 2053 data PPI dan 20 lainnya tidak memiliki data PPI. Karena terdapat 20 kandidat protein signifikan yang tidak memiliki data PPI, maka 20 protein tersebut tidak di ikut sertakan dalam konstruksi jaringan PPI. Dari seluruh data PPI yang diperoleh, terdapat 481 protein yang terlibat, 63 protein di antaranya adalah kandidat protein signifikan. Gambar 11. Data PPI dari HNF1A yang dikembalikan oleh basis data STRING Konstruksi jejaring PPI dari 2053 data PPI menghasilkan satu jejaring besar dan lima jejaring kecil yang berasal dari 5 kandidat protein signifikan. Kelima kandidat protein signifikan tersebut adalah OAS1 oligoadenylate synthetase-1, ZFP57 zinc finger protein 57, IL1RN interleukin-1 receptor antagonist, GPD2 glycerol-3-phosphate dehydrogenase 2 mitochondrial dan HFE hemochromatosis gene. Karena kelima jejaring kecil yang tidak terhubung secara langsung ke jejaring besar, mereka mereka tidak diikut sertakan dalam proses analisis topologi jejaring PPI. Adapun komponen jejaring besar memiliki 426 node 58 node diantaranya adalah kandidat protein signifikan dengan 1857 interaksi antara mereka. Untuk menggambarkan bagian-bagian dari protein tersebut pada jejaring, maka node protein dibedakan dengan warna dan hanya node kandidat protein signifikan saja yang diberi label Gambar 12. Jejaring besar yang tampak pada Gambar 12 merupakan jejaring dengan keterhubungan yang kompleks antar kandidat protein-protein signifikan dengan protein selain kandidat protein signifikan. Untuk itu dilakukan penyederhanaan jejaring dengan menkonstrusi subnetwork dari jejaring tersebut. Konstruksi subnetwork dimulai dengan menelusuri seluruh lintasan terpendek dari semua pasangan antar kandidat protein signifikan pada jejaring besar, kemudian memilih lintasan terpendek yang melalui node-node dengan nilai degree terbesar Ran et al. 2013 untuk tiap pasang kandidat protein signifikan. Pemilihan lintasan terpendek yang melalui node-node dengan nilai degree terbesar bertujuan untuk menghindari node palsu dari interaksi palsu Lima- Mandez Van Helden 2009. Dari hasil penelusuran terpilih 1596 lintasan terpendek dari 7169 lintasan terpendek yang terbentuk. 1596 lintasan terpendek Gambar 12. Jejaring PPI. Jejaring ini tersusun atas 63 kandidat protein signifikan node yang mempunyai nama di mana 58 kandidat protein signifikan menyusun satu jejaring besar dan 5 kandidat protein signifikan masing-masing membentuk satu jejaring kecil. Node yang berwarna hijau adalah kandidat protein signifikan, node yang berwarna biru adalah protein selain kandidat protein signifikan yang berada dalam jejaring besar dan node yang berwarna orange adalah protein selain kandidat protein signifikan yang menyusun jejaring kecil 17 yang terpilih kemudian diubah menjadi data interaksi antar protein dan selanjutnya subnetwork dikonstruksi dari semua data interaksi antar protein. Subnetwork yang terbentuk Gambar 13 terdiri atas 91 node dengan 259 PPI. Node dengan nilai BC dan degree besar yang digambarkan dengan node berwarna biru berjumlah 16 protein, 5 protein node berwarna hijau muda dengan nilai BC besar saja, 29 protein node berwarna orange dengan nilai degree besar saja dan 57 selainya node berukuran paling kecil. Mentukan Protein Kunci pada Subnetwork dari Jejaring PPI Nilai BC untuk setiap node pada jejaring digunakan sebagai dasar dalam menentukan node protein kunci pada jejaring. Node kunci yang kemudian disebut protein signifikan dipilih dari nilai BC tinggi dengan jumlah node yang ditetapkan 5 dari total node dalam jejaring PPI Goni et al. 2008; Kim et al. 2009. Dari hasil analisis topologi pada subnetwork diperoleh 21 protein sebagai node dengan BC dan 9 protein di antaranya adalah kandidat protein signifikan Tabel 2. Semua protein dengan nilai BC tinggi pada Tabel 1 merupakan protein signifikan yang diduga mempunyai konstribusi dalam menyediakan nutrisi yang diperlukan untuk menghasikan insulin, terutama protein-protein yang berinteraksi langsung dengan insulin. Dari 21 protein tersebut berikutnya akan dikonstruksi jejaring penyangga Ran J. et.al. 2013. Jejaring ini dikonstruksi untuk melihat Gambar 13. Subnetwork terbentuk dari semua lintasan terpendek pasangan antar kandidat protein signifikan interaksi antar protein-protein signifikan dalam jejaring PPI baik secara lansung maupun tidak langsung. Tabel 2. Protein-protein dengan nilai BC tinggi pada subnetwork Simbol Protein Nilai BC NilaiCC Simbol Protein Nilai BC Nilai CC INS 0,255551 0,486486 PRKACA 0,04657 0,309278 AKT1 0,234001 0,452261 FOXO1 0,043799 0,382979 UBC 0,141515 0,401786 EP300 0,043525 0,378151 TCF7L2 0,091839 0,430622 SOD3 0,042913 0,333333 INSR 0,082576 0,428571 WFS1 0,033569 0,351563 KCNJ11 0,072136 0,403587 MTNR1B 0,032198 0,327273 GCG 0,069506 0,405405 CTLA4 0,031935 0,334572 PPARG 0,06617 0,410959 PPARA 0,031583 0,362903 STAT3 0,065138 0,348837 SOCS3 0,030828 0,378151 PTH 0,05519 0,3125 IAPP 0,030167 0,375 APOE 0,054121 0,342205 : Kandidat protein Hal yang menarik pada Tabel 2 ini adalah menunjukkan bawa dari 63 kandidat protein, hanya 9 kandidat protein yang termasuk dari total 21 protein kunci dengan nilai BC tinggi dan 12 protein selebihnya merupakan seed protein yang diperoleh dari interaksi antar protein PPI. Adapun protein dengan nilai degree besar diperoleh 29 protein dan 19 protein di antaranya adalah kandidat protein signifikan Tabel 3. Tabel 3. Protein-protein dengan nilai degree besar pada subnetwork Simbol Protein Nilai Degree Nilai CC Simbol Protein Nilai Degree Nilai CC INS 26 0,486486 GCK 10 0,378151 AKT1 17 0,452261 CREBBP 9 0,368852 INSR 15 0,428571 IAPP 8 0,375 PDX1 14 0,394737 WFS1 8 0,351563 TCF7L2 13 0,430622 MTNR1B 8 0,327273 HNF1A 12 0,38961 CDKAL1 7 0,348837 UBC 12 0,401786 ALB 7 0,328467 HNF4A 12 0,387931 IGF2BP2 7 0,348837 GCG 12 0,405405 FOXP3 7 0,346154 SLC2A2 11 0,381356 IL6 7 0,357143 PPARG 11 0,410959 APOE 7 0,342205 KCNJ11 11 0,403587 IRS1 7 0,387931 NEUROD1 11 0,375 SOCS3 7 0,378151 STAT3 10 0,348837 EP300 7 0,378151 FOXO1 10 0,382979 : Kandidat protein Hasil pada Tabel 2 dan Tabel 3 menunjukkan bahwa INS insulin merupakan node yang berada pada pusat jejaring karena INS memiliki nilai CC terbesar Wasserman S and Faust K. 1994 sekaligus memiliki nilai BC 19 tertinggi. Oleh karena memiliki nilai BC tertinggi, INS merupakan node terpenting dari 21 protein kunci dengan nilai BC tinggi. Dari kedua tabel tersebut terlihat 16 protein sebagai node dengan BC tinggi dan degree besar Tabel 4 dan 5 protein hanya dengan BC tinggi Tabel 5. Untuk membedakan peran node-node pada tabel-tabel diatas, node-node tersebut digambarkan dengan warna dan ukuran yang berbeda Gambar 13. Tabel 4. Protein-protein dengan nilai BC tinggi dan degree besar Simbol Protein Deskripsi INS Insulin; Insulin decreases blood glucose concentration. AKT1 v-Akt murine thymoma viral oncogene homolog 1; Regulate many processes including metabolism, proliferation, cell survival, growth and angiogenesis. UBC Ubiquitin C TCF7L2 Transcription factor 7-like 2 T-cell specific, HMG-box INSR Insulin receptor; Receptor tyrosine kinase which mediates the pleiotropic actions of insulin. KCNJ11 Potassium inwardly-rectifying channel, subfamily J, member 11; This receptor is controlled by G proteins GCG Glucagon; Glicentin may modulate gastric acid secretion and the gastro-pyloro- duodenal activity. PPARG Peroxisome proliferator-activated receptor gamma STAT3 Signal transducer and activator of transcription 3; Signal transducer and transcription activator that mediates cellular responses to interleukins, KITLGSCF and other growth factors. APOE Apolipoprotein E; Mediates the binding, internalization, and catabolism of lipoprotein particles. FOXO1 Forkhead box O1; Transcription factor that is the main target of insulin signaling and regulates metabolic homeostasis in response to oxidative stress. EP300 E1A binding protein p300; Functions as histone acetyltransferase and regulates transcription via chromatin remodeling. WFS1 Wolfram syndrome 1 wolframin; Participates in the regulation of cellular Ca2+ homeostasis, at least partly, by modulating the filling state of the endoplasmic reticulum Ca2+ store MTNR1B Melatonin receptor 1B; High affinity receptor for melatonin. The activity of this receptor is mediated by pertussis toxin sensitive G proteins that inhibit adenylate cyclase activity. SOCS3 Suppressor of cytokine signaling 3; SOCS3 is involved in negative regulation of cytokines that signal through the JAKSTAT pathway IAPP Islet amyloid polypeptide; Selectively inhibits insulin-stimulated glucose utilization and glycogen deposition in muscle, while not affecting adipocyte glucose metabolism Tabel 5. Protein-protein dengan nilai BC tinggi tanpa nilai degree besar Simbol Protein Deskripsi PTH Parathyroid hormone; PTH elevates calcium level by dissolving the salts in bone and preventing their renal excretion. Stimulates [1-14C]-2- deoxy-D-glucose 2DG transport and glycogen synthesis in osteoblastic cells. PRKACA Protein kinase, cAMP-dependent, catalytic, alpha; Regulates the abundance of compartmentalized pools of its regulatory subunits through phosphorylation of PJA2 which binds and ubiquitinates these subunits, leading to their subsequent proteolysis. SOD3 Superoxide dismutase 3; Protect the extracellular space from toxic effect of reactive oxygen intermediates by converting superoxide radicals into hydrogen peroxide and oxygen CTLA4 Cytotoxic T-lymphocyte-associated protein 4. PPARA Peroxisome proliferator-activated receptor alpha; Ligand-activated transcription factor. Jejaring Penyangga dari Semua Protein BC Tinggi Jejaring penyangga dikonstruksi dari semua node BC tinggi hasil ekstraksi pada subnetwork. Nilai BC pada awalnya diperkenalkan untuk mengukur sentralitas node dalam jejaring. Node tersebut berfungsi sebagai pengontrol komunikasi antar node dalam jejaring. Jejaring penyangga dikonstruksi untuk mengetahui bagaimana interaksi semua node BC tinggi pada subnetwork. Hasil konstruksi jejaring penyangga ini diperoleh 21 node dengan 38 interaksi di antara mereka. Pada jejaring ini, INS memiliki nilai BC tertinggi dan merupakan node yang berada pada pusat jejaring dengan nilai CC terbesar Tabel 6. Adapun tetangga langsung INS ada 8 node protein yaitu AKT1, TCF7L2, KCNJ11, PPARG, GCG, INSR, IAPP dan SOCS3 Gambar 14. Tabel 6. Protein-protein dengan nilai BC tinggi pada jejaring penyangga Simbol Protein Nilai BC NilaiCC Simbol Protein Nilai BC Nilai CC INS 0,321111 0,625 PPARA 0,03114 0,408163 AKT1 0,24348 0,512821 WFS1 0,018567 0,444444 TCF7L2 0,200292 0,571429 APOE 0,016257 0,384615 KCNJ11 0,134211 0,5 FOXO1 0,009649 0,37037 UBC 0,109678 0,487805 STAT3 0,006579 0,350877 PPARG 0,095205 0,512821 PTH 0,004386 0,350877 GCG 0,077953 0,47619 CTLA4 0 0,344828 INSR 0,077544 0,5 MTNR1B 0 0,392157 IAPP 0,052632 0,434783 PRKACA 0 0,338983 SOCS3 0,051754 0,434783 SOD3 0 0,344828 EP300 0,044298 0,416667 21 Node INS merupakan node yang sangat terhubung pada jejaring karena INS memiliki nilai BC tertinggi dan nilai degree terbesar Han et al. 2004 baik pada jejaring besar, subnetwork, maupun jejaring penyangga. Artinya node INS merupakan protein yang mengatur lalu lintas semua interaksi antar node dan mengikat node protein-protein lain yang berinteraksi langsung dengannya Han et al. 2004. Evaluasi Kekokohan Jejaring Penyangga Dari tiga parameter BC, C, Degree evaluasi jejaring yang dihititung, diperoleh 4 protein dengan nilai BC tertinggi INS, AKT1, TCF7L2, KCNJ11, 3 protein denga nilai CC terbesar INS, TCF7L2, KCNJ11 dan 1 protein dengan nilai degree terbesar INS pada jejaring uji Tabel 7. Berdasarkan data pengujian tabel 7 INS menjadi pusat jejaring CC terbesar sebanyak 228 kali dari 265 pengujian, INS menjadi pengontrol lalu lintas seluruh interaksi antar protein BC terbesar sebanyak 208 kali dari 265 pengujian dan INS menjadi protein yang memiliki jumlah interaksi langsung terbanyak dengan protein lain dalam jejaring degree terbesar sebanyak 265 kali dari 265 pengujian. Adapun nilai akurasi jejaring uji dengan jejaring penyangga cukup besar yaitu 0,84965204 Tabel 7. Nilai akurasi di sini menunjukkan tingkat konsistensi kemunculan protein-protein signifikan terhadap n buah jejaring uji yang dibentuk. Gambar 14. Jejaring penyangga dikonstruksi dari 21 protein BC tinggi yang diekstraksi dari subnetwork jejaring PPI, dan ukuran node merepresentasikan nilai BC Tabel 7. Frekuensi kemunculan protein-protein dengan nilai BC tertinggi, nilai CC dan degree terbesar pada 265 jejaring uji Jumlah Protein yang Dihilangkan Frekuensi Nilai BC, CC dan Degree Tertinggi Terbesar pada Jejaring Tes Akurasi Jejaring Penyangga Jumlah Jejaring Uji BC CC Degree INS AKT1 TCF7L2 KCNJ11 INS TCF7L2 KCNJ11 INS 1 40 16 2 53 5 58 0,926929392 58 2 50 5 2 52 5 57 0,904761905 57 3 25 5 28 2 30 0,880952381 30 4 23 2 5 26 4 30 0,849206349 30 5 24 2 4 22 8 30 0,836507937 30 6 22 5 3 22 8 30 0,780952381 30 7 24 1 4 1 25 4 1 30 0,768253968 30 Total 208 36 20 1 228 36 1 265 0,84965204 265 23

5. SIMPULAN DAN SARAN

Simpulan Terdapat 21 protein signifikan yang berasosiasi dengan DM tipe 2, di mana INS merupakan protein terpenting dan 8 protein yang bertetanggaan langsung dengannya. Hasil penelitian ini juga ikut menguatkan penelitian-penelitian sebelumnya secara umum mengenai DM tipe 2, bahwa INS merupakan protein signifikan yang berperan utama dalam penyakit DM Jejaring penyangga dikonstruksi untuk mengetahui interaksi antar protein- protein signifikan sehingga diperoleh gambaran protein yang paling bertanggung jawab dalam mengatur lalu lintas interaksi antar protein dan sebagai pusat jejaring. Dari seluruh jejaring uji yang dikonstruksi, disimpulkan bahwa INS merupakan protein yang paling signifikan dibandingkan dengan 20 protein signifikan yang ada. Saran Hasil yang diperoleh pada penelitian ini belum menjelaskan patogenesis dari protein-protein signifikan tersebut dengan DM tipe 2. Oleh karena itu pada penelitian selanjutnya perlu dilakukan analisis terhapat ekspresi interaksi antar proteinnya. Selain itu, protein-protein signifikan yang diperoleh tetap harus dilakukan pengujian secara eksperimental pada laboratorium basah. Algoritme brute force untuk mencari lintasan terpendek secara teori tidak mangkus dengan kompleksitas waktu eksekusinya adalah On . n. Dengan demikian untuk kasus yang melibatkan data PPI yang lebih besar perlu digunakan algoritme yang lebih mangkus seperti algoritme Disjtra. 25 DAFTAR PUSTAKA Acencio ML, Lemke N. 2009. Towards the prediction of essential genes by integration of network topology, cellular localization and biological process information. BMC Bioinforma, 10:290-307. Colton CK and Avgoustiniatos ES. 2008. Bioengineering in Development of the Hybrid Artificial Pancreas. J Biomech Eng 1132, 152-170. Online. DOI:1011151.2891229. Cullen LM, Arndt GM. 2005. Genome-wide screening for gene function using RNAi in mammalian cells. Immunol Cell Biol.833:217-223. Escandon JC and Cipolla M. 2001. Diabetes and Endothelial Dysfunction: A Clinical Perspective. Endocrine.221: 36 –52. 0163-769X0103.000. Freeman LC. 1982. Centered graphs and the construction of ego networks. Math Social Sci 3: 291-304, 1982. Giaever G, Chu AM, Ni L. 2002. Functional profiling of the Saccharomyces cerevisiae genome. Nature. 4186896:387-391. Goni J, Esteban FJ, de Mendizábal NV, Sepulcre J, Ardanza-Trevijano S, Agirrezabal I, Villoslada P. 2008. A computational analysis of protein-protein interaction networks in neurodegenerative diseases. BMC Systems Biology. 2:52. Hamosh A, Scott AF, Amberger JS, Bocchini CA and McKusick VA. 2005. Online Mendelian Inheritance in Man OMIM, a knowledgebase of human genes and genetic disorders. Nucleic Acids Research . 33: D514 –D517. Database issue. DOI:10.1093nargki033. Han JD, Bertin N, Hao T, Goldberg DS, Berriz GF, Zhang LV, Duduy D, Walhout AJ, Cusick ME, Roth FP, Vidal M. 2004. Evidence for dynamically organized modularity in the yeast protein-protein interaction network. Nuture, 430:88-93. Herce HD, Deng W, Helma J, Leonhardt H and Cardoso MC. 2013. Visualization and targeted disruption of protein interactions in living cells. Nature Communications. 4:2660. DOI:10.1038ncomms3660. Huang H, Wu X, Pandey R, Li J, Zhao G, Ibrahim S, Chen JY. 2012. C2Maps: a network pharmacology database with comprehensive disease-gene-drug connectivity relationships. BMC Genomics. 13Suppl 6:S17. Hwang S, Son SW, Kim SC, Kim YJ, Jeong H, Lee D. 2008. A protein interaction network associated with asthma. J Theor Biol. 252:722 –731. Jensen LJ, Kuhn M, Stark M, Chaffron S, Creevey C, Muller J, Doerks T, Julien P, Roth A, Simonovic M, Bork P, von Mering C. 2009. STRING 8 –a global view on proteins and their functional interactions in 630 organisms. Nucleic Acids Res. 37:D412 –D416. Jones S and Thornton JM.1996. Principles of protein-protein interactions. Proc. Natl. Acad. Sci. USA . 93: 13-20. Kim KK, Kim HB. 2009. Protein interaction network related to Helicobacter pylori infection response.World J Gastroenterol. 15:4518 –4528. Li J, Zhu X and Chen JY. 2009. Building Disease-Specific Drug-Protein Connectivity Maps from Molecular Interaction Networks and PubMed Abstracts. PLoS Comput Biol 57: e1000450. DOI:10.1371journal.pcbi.1000450. Lima-Mendez G, van Helden J. 2009. The powerful law of the power law and other myths in network biologi. Mol Biosyst. Li Min, Zhang Hanhui, Wang Jian-xin, Pan Yi. 2012. A new essential protein discovery method based on the integration of protein-protein interaction and gene expression data. BMC Systems Biology . 6:15. Phizicky EM and Fieds S. 1995. Protein-Protein Interactions: Methods for Detection and Analysis. American Society for Microbiology. 59: 94 –123.