基于蛋白質(zhì)親和密度擴展的蛋白質(zhì)復合物挖掘.pdf

1、隨著人類基因組計劃(Human Genome Project, HGP)的完成，結構基因組學成為后基因時代的研究熱點。蛋白質(zhì)是生命活動的物質(zhì)基礎，蛋白質(zhì)復合物及其功能的研究不僅有助于理解各種生命活動的規(guī)律，也能為深入揭示各種疾病致病機理提供理論根據(jù)和解決途徑。根據(jù)已知功能的蛋白質(zhì)和相互作用數(shù)據(jù)來分析蛋白質(zhì)的拓撲結構特性，挖掘富有生物學意義的蛋白質(zhì)復合物，從而預測未知蛋白質(zhì)的功能已成為當前國內(nèi)外結構基因組學研究的重點。
　　本文以蛋

2、白質(zhì)網(wǎng)絡拓撲結構特性分析為基點，再結合蛋白質(zhì)復合物本身特征和生成過程，研究設計了一系列的蛋白質(zhì)復合物和功能模塊挖掘算法，主要工作如下:
　　1)針對大多數(shù)蛋白質(zhì)復合物的挖掘算法主要集中在無權的蛋白質(zhì)網(wǎng)絡上，從而忽略了蛋白質(zhì)與蛋白質(zhì)之間的生物特性的缺陷，本文提出了基于親和度模型和團擴展的蛋白質(zhì)復合物識別算法CACE(Connected Affinity Clique Extension)。該算法首先構建了基于親和度系數(shù)的酵母蛋白質(zhì)有

3、權網(wǎng)絡，然后在此基礎上通過親和度密度與團擴展模型挖掘蛋白質(zhì)復合物。實驗仿真結果表明，相對于傳統(tǒng)蛋白質(zhì)復合物挖掘算法，CACE算法能夠發(fā)現(xiàn)更多富有生物學意義的蛋白質(zhì)復合物，并在識別準確度上有很大的提升。
　　2)針對傳統(tǒng)算法直接從網(wǎng)絡拓撲屬性入手，忽略了蛋白質(zhì)復合物本身所具有的拓撲這一缺陷，本文采用本文采用種子選取、內(nèi)核擴展以及外核擴展多步擴展模式，提出了基于親和度模型和種子擴展模型的蛋白質(zhì)復合物挖掘算法CASE(Conncted

4、Affinity Seed Extension)，并將該算法應用到酵母蛋白質(zhì)有權網(wǎng)絡W-PIN的蛋白質(zhì)復合物挖掘之中。實驗仿真結果表明，CASE算法在召回率、準確率、功能富集性以及匹配度等幾個層面都有了較大的提升，并且在算法運行效率上也具有更大的提高。
　　3)結合蛋白質(zhì)親和度模型，在基于關鍵蛋白質(zhì)節(jié)點發(fā)現(xiàn)基礎上，綜合利用多條件融合技術，提出了基于關鍵節(jié)點的多條件融合擴展模型的蛋白質(zhì)復合物挖掘算法KCME(Key protein