基于蛋白質相互作用網絡的復合物識別方法研究.pdf

1、隨著系統(tǒng)生物學和蛋白質組學研究的不斷深入，基于蛋白質相互作用網絡識別蛋白質復合物逐漸成為計算生物學的一個基本問題。高通量實驗產生大量包含噪音的蛋白質相互作用數據，這些噪音勢必會影響到算法識別復合物的結果。因此，應用聚類算法識別復合物之前需要去除噪音的影響。本課題對蛋白質相互作用網絡中識別復合物的聚類算法進行研究，主要工作包括以下兩點:
　　(1)為了減少高通量實驗檢測的蛋白質相互作用數據中噪音的影響，選擇從拓撲結構上分析相互作用網

2、絡的特性，提出了一種新穎的減少相互作用數據噪音的方法PPIR(Protein-ProteinInteractionReliability)。PPIR方法首先將兩蛋白質對和它們的共同鄰居結點以及它們相連的邊當作一個模塊。這兩蛋白質相互作用的可信度主要由它們之間的共同鄰居結點決定，數值上等于共同鄰居結點所占整個模塊的比例。再把可信度值作為相互作用網絡的權值，進而構建出加權相互作用網絡。實驗表明，使用PPIR方法構建的加權網絡總比原始網絡實驗

3、效果好。將PPIR方法和已有的同類方法相比較，PPIR方法識別復合物表現出非常好的實驗效果，以及能夠提升聚類算法識別復合物的性能。
　　(2)基于PPIR方法，提出了一種從蛋白質相互作用網絡里識別復合物的圖聚類算法PPIPU。首先應用PPIR方法作用于初始蛋白質相互作用網絡，從而減少了噪音對聚類結果的影響。其次，集成RRW，MCL和ClusterONE三種聚類算法，并對結果進行后續(xù)處理，最終得到了對蛋白質相互作用網絡的聚類結果。為