基于PPI的蛋白質(zhì)復(fù)合物發(fā)現(xiàn)算法的研究.pdf

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

2、
　　現(xiàn)有的蛋白質(zhì)復(fù)合物識別算法一般基于圖的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，結(jié)合子圖挖掘或者特征學(xué)習(xí)等數(shù)據(jù)挖掘方法來識別這些復(fù)合物。但是這些算法往往很難完全考慮到蛋白質(zhì)復(fù)合物的復(fù)雜性。有些算法只能考慮圖密集區(qū)域的復(fù)合物而忽視稀疏區(qū)域的復(fù)合物，有些算法容易遺失部分復(fù)合物中的蛋白質(zhì)或者產(chǎn)生冗余的蛋白質(zhì)。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(zhì)復(fù)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(wǎng)絡(luò)圖中所有節(jié)點之間的相關(guān)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(fù)合物。在這個過程中，為了解決蛋白質(zhì)復(fù)合物中的某些特殊邊緣蛋白質(zhì)，本文結(jié)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(fù)合物基礎(chǔ)上，過于相似的會合并在一起，但是會保留某些特殊的復(fù)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(jié)果，通過特定閾值的設(shè)計形成有一定規(guī)模的初始聚類，本算法認(rèn)為某些區(qū)域內(nèi)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(chǎn)生很多剩余節(jié)點。由于重啟型隨機游走的結(jié)果節(jié)點之間的關(guān)聯(lián)程度是一定的，因此可以根據(jù)這些剩余節(jié)點到真正初始聚類內(nèi)所有節(jié)點的平均關(guān)聯(lián)程度的大小