Essential proteins are indispensable units for living organisms. Removing those leads to disruption of protein complexes and causing lethality. Recently, theoretical methods have been presented to detect essential proteins in protein interaction network. In these methods, an essential protein is predicted as a high-degree vertex of protein interaction network. However, interaction data are usually incomplete and an essential protein cannot have high-connection due to data deficiency. Then, it is critical to design informative networks from other biological data sources. In this paper, we defined a minimal set of proteins to disrupt the maximum number of protein complexes. We constructed a weighted graph using a set of given complexes. We proposed a more appropriate method based on betweenness values to diagnose a minimal set of proteins whose removal would generate the disruption of protein complexes. The effectiveness of the proposed method was benchmarked using given dataset of complexes. The results of our method were compared to the results of other methods in terms of the number of disrupted complexes. Also, results indicated significant superiority of the minimal set of proteins in the massive disruption of complexes. Finally, we investigated the performance of our method for yeast and human datasets and analyzed biological properties of the selected proteins. Our algorithm and some example are freely available from http://bs.ipm.ac.ir/softwares/DPC/DPC.zip.

中文翻译：

---

来自加权复杂网络的蛋白质复合物破坏。

必需蛋白是生命有机体必不可少的单元。去除那些导致蛋白质复合物的破坏并导致致死性。最近，已经提出了在蛋白质相互作用网络中检测必需蛋白质的理论方法。在这些方法中，必需蛋白质被预测为蛋白质相互作用网络的高度顶点。然而，相互作用数据通常是不完整的，并且由于数据不足，必需蛋白质不能具有高连接性。然后，从其他生物数据源设计信息网络至关重要。在本文中，我们定义了最小的一组蛋白质来破坏最大数量的蛋白质复合物。我们使用一组给定的复合物构造了加权图。我们提出了一种基于中间值的更合适的方法，以诊断最小数量的蛋白质，将其去除会破坏蛋白质复合物。使用给定的复合物数据集对所提出方法的有效性进行了基准测试。就破坏复合物的数量而言，我们的方法的结果与其他方法的结果进行了比较。同样，结果表明在复杂的大规模破坏中，最小的蛋白质组具有明显的优越性。最后，我们研究了酵母和人类数据集方法的性能，并分析了所选蛋白质的生物学特性。我们的算法和一些示例可从http://bs.ipm.ac.ir/softwares/DPC/DPC.zip免费获得。使用给定的复合物数据集对所提出方法的有效性进行了基准测试。就破坏复合物的数量而言，我们的方法的结果与其他方法的结果进行了比较。同样，结果表明在复杂的大规模破坏中，最小的蛋白质组具有明显的优越性。最后，我们研究了酵母和人类数据集方法的性能，并分析了所选蛋白质的生物学特性。我们的算法和一些示例可从http://bs.ipm.ac.ir/softwares/DPC/DPC.zip免费获得。使用给定的复合物数据集对所提出方法的有效性进行了基准测试。就破坏复合物的数量而言，我们的方法的结果与其他方法的结果进行了比较。同样，结果表明在复杂的大规模破坏中，最小的蛋白质组具有明显的优越性。最后，我们研究了酵母和人类数据集方法的性能，并分析了所选蛋白质的生物学特性。我们的算法和一些示例可从http://bs.ipm.ac.ir/softwares/DPC/DPC.zip免费获得。我们研究了酵母和人类数据集方法的性能，并分析了所选蛋白质的生物学特性。我们的算法和一些示例可从http://bs.ipm.ac.ir/softwares/DPC/DPC.zip免费获得。我们研究了酵母和人类数据集方法的性能，并分析了所选蛋白质的生物学特性。我们的算法和一些示例可从http://bs.ipm.ac.ir/softwares/DPC/DPC.zip免费获得。