基于蛋白質(zhì)相互作用網(wǎng)絡(luò)的代謝pathway預(yù)測.pdf

1、生物信息學(xué)是八十年代末隨著人類基因組計(jì)劃的啟動(dòng)而興起的一門新興交叉學(xué)科,是當(dāng)今生命科學(xué)和自然科學(xué)的重大前沿領(lǐng)域之一。pathway預(yù)測是后基因組時(shí)代各類組學(xué)研究的基礎(chǔ),已成為近年來生物信息學(xué)的研究熱點(diǎn)之一。計(jì)算機(jī)科學(xué)領(lǐng)域的數(shù)據(jù)挖掘方法因其在大規(guī)模數(shù)據(jù)中卓越的處理能力而在生物信息學(xué)中得到廣泛應(yīng)用,本文旨在利用計(jì)算方法來挖掘出目標(biāo)物種中的代謝pathway元素。為此,主要圍繞蛋白質(zhì)相互作用網(wǎng)絡(luò)(Protein-Protein Interac

2、tion Network,PPI網(wǎng)絡(luò))分析這一主題,對其采用的模型、相關(guān)聚類方法以及預(yù)測結(jié)果評價(jià)等問題作了深入的分析與研究,主要工作有以下幾個(gè)方面:
　　1.提出利用蛋白質(zhì)相互作用數(shù)據(jù)集來間接預(yù)測pathway的思路。首先根據(jù)蛋白質(zhì)相互作用數(shù)據(jù)構(gòu)建PPI網(wǎng)絡(luò),然后利用聚類算法來挖掘其中具有某種生物功能的蛋白質(zhì)簇,借由蛋白質(zhì)與基因之間的轉(zhuǎn)錄對應(yīng)關(guān)系,來預(yù)測代謝pathway中的基因。
　　2.優(yōu)化相關(guān)性定義,改進(jìn)了Samant

3、a基于概率模型的層次聚類算法。首先討論了根據(jù)概率模型選取的聚類閾值以及相關(guān)性的基本定義,為提高預(yù)測準(zhǔn)確性,全面分析PPI網(wǎng)絡(luò),綜合考量了蛋白質(zhì)對間一階,二階相互作用,并改進(jìn)相關(guān)性定義,使其增加生物學(xué)意義,在大腸桿菌的DIP數(shù)據(jù)集上實(shí)驗(yàn),聚類結(jié)果中有19個(gè)簇,其簇內(nèi)所有蛋白質(zhì)對應(yīng)的基因簇全部出現(xiàn)在同一pathway中,證明了算法的有效性。
　　3.利用譜聚類算法來劃分PPI網(wǎng)絡(luò)中的社團(tuán)結(jié)構(gòu)。針對大腸桿菌PPI網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)不夠顯著的