生物復(fù)雜網(wǎng)絡(luò)挖掘關(guān)鍵問題研究.pdf

1、隨著“后基因時代”到來，人類基因組計劃和隨后發(fā)展的各種組學(xué)技術(shù)以及高通量實驗方法的發(fā)展，導(dǎo)致大量的基因組、轉(zhuǎn)錄組、蛋白質(zhì)組學(xué)、代謝組等組學(xué)數(shù)據(jù)的產(chǎn)生，現(xiàn)代生物信息整合以及挖掘方法和技術(shù)等，也讓人們已經(jīng)積累了大量的生物信息學(xué)數(shù)據(jù)。擁有大規(guī)模海量生物數(shù)據(jù)，綜合運(yùn)用數(shù)學(xué)、計算機(jī)科學(xué)和生物學(xué)等方法研究分析和挖掘生物數(shù)據(jù)成為當(dāng)前研究的熱點。數(shù)據(jù)挖掘是在大型數(shù)據(jù)存儲庫中，自動地發(fā)現(xiàn)有用信息的過程，是生物數(shù)據(jù)挖掘采用的主要分析技術(shù)。目前生命科學(xué)研究重

2、點已經(jīng)從基因組學(xué)逐漸轉(zhuǎn)移到蛋白質(zhì)組學(xué)，利用數(shù)據(jù)挖掘的方法，從蛋白質(zhì)相互作用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)出發(fā)，預(yù)測蛋白質(zhì)之前的相互作用，進(jìn)而探尋和識別蛋白質(zhì)相互作用網(wǎng)絡(luò)的模塊結(jié)構(gòu)，注釋未知蛋白質(zhì)的功能，是理解細(xì)胞功的組織結(jié)構(gòu)以及動態(tài)性的重要方法。
　　本文以蛋白質(zhì)組學(xué)數(shù)據(jù)研究為主，從蛋白質(zhì)互作網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特性出發(fā)分析各種蛋白質(zhì)加權(quán)網(wǎng)絡(luò)的特性，設(shè)計了有效地蛋白質(zhì)相互作用預(yù)測算法，在這個預(yù)測后的蛋白質(zhì)互作網(wǎng)絡(luò)的基礎(chǔ)上研究設(shè)計了蛋白質(zhì)復(fù)合物和功能模塊識

3、別算法，主要研究工作包括:
　　1.應(yīng)用復(fù)雜網(wǎng)絡(luò)理論和圖論的分析技術(shù)，分析蛋白質(zhì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特性，充分利用蛋白質(zhì)加權(quán)網(wǎng)絡(luò)上的權(quán)重信息，構(gòu)建馬爾科夫機(jī)制，根據(jù)不同的蛋白質(zhì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)性，收集網(wǎng)絡(luò)中結(jié)點的不同高階鄰居信息，設(shè)計基于加權(quán)網(wǎng)絡(luò)的結(jié)點相似性度量函數(shù)，提出了模擬馬爾科夫過程的蛋白質(zhì)相互作用網(wǎng)絡(luò)鏈路預(yù)測算法。該算法不需要任何其他的輔助輸入信息，并且算法既可以對有權(quán)的蛋白質(zhì)相互作用網(wǎng)絡(luò)，也可以在無權(quán)網(wǎng)絡(luò)上進(jìn)行鏈路預(yù)測，既可以對蛋白

4、質(zhì)復(fù)雜網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測，也可以對其他社會網(wǎng)絡(luò)進(jìn)行鏈路預(yù)測，簡單有效。實驗結(jié)果表明其鏈路預(yù)測的準(zhǔn)確性和實用性。
　　2.針對目前能夠獲得蛋白質(zhì)相互作用數(shù)據(jù)不完全，以及直接從蛋白質(zhì)網(wǎng)絡(luò)中尋找全聯(lián)通（極大團(tuán))的方法來預(yù)測蛋白質(zhì)復(fù)合物這一局限性，我們在利用鏈路預(yù)測算法得到的蛋白質(zhì)互作網(wǎng)絡(luò)上，根據(jù)蛋白質(zhì)復(fù)合物內(nèi)部結(jié)構(gòu)特征，定義了新穎的HP*-complex蛋白質(zhì)復(fù)合物模型，提出了基于Hub蛋白的蛋白質(zhì)復(fù)合物挖掘算法HPCMiner，實驗結(jié)果

5、表明，通過HP*-complex蛋白質(zhì)復(fù)合物模型，以及HPCMiner方法能夠有效地標(biāo)示已知的蛋白質(zhì)復(fù)合物，并且具有較高的敏感度、特異性和綜合評價。特別地，定義的蛋白質(zhì)復(fù)合物模型可能是一個非聯(lián)通圖，算法通過模型分解找到的更精確的蛋白質(zhì)復(fù)合物，算法在預(yù)測后的蛋白質(zhì)網(wǎng)絡(luò)上進(jìn)行蛋白質(zhì)復(fù)合物識別，具有較好的健壯性，能夠識別比較多的具有生物意義的蛋白質(zhì)復(fù)合物。
　　3.針對目前蛋白質(zhì)網(wǎng)絡(luò)數(shù)據(jù)存在假陰性、假陽性數(shù)據(jù)問題，提出了一種基于隨機(jī)游走

6、模型的蛋白質(zhì)復(fù)合物識別算法RWSPFinder，算法通過蛋白質(zhì)加權(quán)網(wǎng)絡(luò)上的隨機(jī)游走，以及后續(xù)對蛋白質(zhì)復(fù)合物內(nèi)部進(jìn)行基于基因本體GO語義相似性的過濾的過程，能夠應(yīng)對蛋白質(zhì)互作網(wǎng)絡(luò)的假陰性、假陽性數(shù)據(jù)進(jìn)行過濾，能夠在較高噪聲的情況下有效識別蛋白質(zhì)復(fù)合物，通過實驗驗證了算法的有效性，可以為生物學(xué)家進(jìn)行蛋白質(zhì)復(fù)合物識別的實驗和進(jìn)一步研究提供有價值的參考信息。
　　本文重點研究了生物組學(xué)網(wǎng)絡(luò)中的蛋白質(zhì)作用組學(xué)數(shù)據(jù)，針對目前少有研究的蛋白質(zhì)加

7、權(quán)網(wǎng)絡(luò)，定義了新穎的網(wǎng)絡(luò)鏈路預(yù)測模型，提出了能有有效的預(yù)測蛋白質(zhì)互作網(wǎng)絡(luò)鏈路預(yù)測算法;在預(yù)測后蛋白質(zhì)互作網(wǎng)絡(luò)上，根據(jù)生物學(xué)中蛋白質(zhì)復(fù)合物的結(jié)構(gòu)特性，定義了新的復(fù)合物模型和算法，模型有效并且能夠識別出從統(tǒng)計意義上證明有意義的蛋白質(zhì)復(fù)合物和模塊，預(yù)測了一定數(shù)量的未知蛋白質(zhì)的功能；另外，本文提出一個能夠過濾掉蛋白質(zhì)相互作用網(wǎng)絡(luò)上假陰性、假陽性數(shù)據(jù)的蛋白質(zhì)復(fù)合物識別算法，將會對生物學(xué)家進(jìn)行蛋白質(zhì)復(fù)合物的研究有指導(dǎo)意義，對生物實驗發(fā)揮重要作用。本