基于PPI的蛋白質復合物發(fā)現(xiàn)算法的研究.pdf

1、蛋白質復合物是由多個蛋白質相互結合在一起的組織。生命活動由這些復合物來推動，因此研究蛋白質復合物的具體作用在生物領域具有非常重要的意義。然而，目前的生命科學領域在對這些復合物的識別需要相當大的時間成本和機器成本。由于現(xiàn)在擁有豐富的蛋白質相互作用網絡，復合物可以看成是該網絡上的社區(qū)。在相互作用網絡上使用數據挖掘中社區(qū)發(fā)現(xiàn)的一些算法能夠輔助識別這些復合物，以達到減少成本的目的。因此，基于蛋白質相互作用網絡的復合物識別是一項有意義的研究課題。

2、
　　現(xiàn)有的蛋白質復合物識別算法一般基于圖的網絡拓撲結構，結合子圖挖掘或者特征學習等數據挖掘方法來識別這些復合物。但是這些算法往往很難完全考慮到蛋白質復合物的復雜性。有些算法只能考慮圖密集區(qū)域的復合物而忽視稀疏區(qū)域的復合物，有些算法容易遺失部分復合物中的蛋白質或者產生冗余的蛋白質。因此，本文基于前人研究的這些缺陷，提出了兩個更有效識別蛋白質復合物的算法:
　　第一個算法基于基本的尋找初始聚類再向外擴張的思想。為了得到有效的初

3、始聚類，基于重啟型隨機游走能夠得到一個網絡圖中所有節(jié)點之間的相關聯(lián)程度，本算法將那些與某個節(jié)點聯(lián)系緊密的節(jié)點組合成一個初始聚類，并對這些初始聚類進行去冗余操作形成真正的初始聚類。然后從這些初始聚類出發(fā)向外擴張成最后的復合物。在這個過程中，為了解決蛋白質復合物中的某些特殊邊緣蛋白質，本文結合其他擴張公式的優(yōu)缺點，提出新的容易控制聚類大小的有益密度擴張公式比較方法。同時在擴張后的復合物基礎上，過于相似的會合并在一起，但是會保留某些特殊的復合

4、物。
　　第二個算法同樣基于初始聚類擴張的思想，基于重啟型隨機游走的結果，通過特定閾值的設計形成有一定規(guī)模的初始聚類，本算法認為某些區(qū)域內的最大的初始聚類一定程度上可視為這一部分的中心區(qū)域，將其他有相似節(jié)點的初始聚類都刪去作為去冗余操作。最終得到一些互相正交的有代表性的真正初始聚類。在此過程中會產生很多剩余節(jié)點。由于重啟型隨機游走的結果節(jié)點之間的關聯(lián)程度是一定的，因此可以根據這些剩余節(jié)點到真正初始聚類內所有節(jié)點的平均關聯(lián)程度的大小