基于隨機(jī)游走模型的蛋白質(zhì)網(wǎng)絡(luò)研究.pdf

1、大多數(shù)生命活動(dòng)都是由多個(gè)蛋白質(zhì)相互作用共同完成的。隨著高通量實(shí)驗(yàn)技術(shù)的發(fā)展產(chǎn)生了大量的蛋白質(zhì)相互作用數(shù)據(jù)。通過構(gòu)建蛋白質(zhì)相互作用網(wǎng)絡(luò)使得我們能從系統(tǒng)水平來理解分子生物學(xué)系統(tǒng)，進(jìn)而研究分子功能及其相互作用。也為生物進(jìn)化研究提供了新的視角。本文采用隨機(jī)游走模型，結(jié)合蛋白質(zhì)相互作用網(wǎng)絡(luò)數(shù)據(jù)和其它生物數(shù)據(jù)，深入研究了關(guān)鍵蛋白質(zhì)識(shí)別，蛋白質(zhì)復(fù)合物挖掘，蛋白質(zhì)功能預(yù)測(cè)以及保守復(fù)合物挖掘幾個(gè)問題。
　　提出一種基于PageRank算法的關(guān)鍵蛋白

2、預(yù)測(cè)方法。該方法不僅依據(jù)蛋白質(zhì)的連通性而且考慮了它們的同源特性以及它們鄰居的特性。該方法首先基于蛋白質(zhì)的同源性給每個(gè)蛋白質(zhì)賦予一個(gè)初始得分。因?yàn)殛P(guān)鍵蛋白質(zhì)具有成簇存在的特性，用邊聚集系數(shù)給網(wǎng)絡(luò)中的邊加權(quán)。最后反映蛋白質(zhì)關(guān)鍵性的得分是它的同源性得分和鄰居關(guān)鍵性得分的線性組合。在基于酵母和大腸桿菌兩個(gè)物種數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明該方法識(shí)別關(guān)鍵蛋白的性能要高于其它八種現(xiàn)有方法。
　　通過結(jié)合蛋白質(zhì)復(fù)合物核心-附件結(jié)構(gòu)以及網(wǎng)絡(luò)的全局信息提出了

3、新的方法來識(shí)別蛋白質(zhì)復(fù)合物。該方法首先通過賦予鄰居節(jié)點(diǎn)不同的可能性提出了一個(gè)加權(quán)的PageRank-Nibble算法。然后采用加權(quán)的PageRank-Nibble算法來識(shí)別網(wǎng)絡(luò)中初步的蛋白質(zhì)復(fù)合物。再識(shí)別初步的蛋白質(zhì)復(fù)合物中的核心和附件結(jié)構(gòu)從而形成最后預(yù)測(cè)的蛋白質(zhì)復(fù)合物。在釀酒酵母數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明該方法識(shí)別的蛋白質(zhì)復(fù)合物在準(zhǔn)確性和生物顯著性上都要優(yōu)于其它方法。
　　本文首先根據(jù)已知的蛋白質(zhì)功能注釋信息分析了蛋白質(zhì)會(huì)和它的哪層鄰

4、居共享功能，GO Term會(huì)和它的哪層鄰居共同注釋同一個(gè)蛋白質(zhì)。然后采用一個(gè)不平衡的雙隨機(jī)游走算法在兩個(gè)網(wǎng)絡(luò)上游走不同的步數(shù)，從而得到蛋白質(zhì)和GO Term不同層次鄰居的信息來預(yù)測(cè)蛋白質(zhì)的功能。基于釀酒酵母數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明該方法的預(yù)測(cè)性能比其它那些只利用蛋白質(zhì)相互作用網(wǎng)絡(luò)數(shù)據(jù)的方法要好，也比那些考慮蛋白質(zhì)和GO Term相同層次鄰居的方法性能要好。
　　基于劃分-匹配策略提出了一種新的局部網(wǎng)絡(luò)比對(duì)方法來挖掘保守蛋白質(zhì)復(fù)合物。該方

5、法首先將蛋白質(zhì)相互作用網(wǎng)絡(luò)劃分成若干子網(wǎng)絡(luò)，然后將這些子網(wǎng)絡(luò)匹配到另外一個(gè)蛋白質(zhì)相互作用網(wǎng)絡(luò)上去，來找到兩者共同的連通模塊。在查找共同的連通模塊的過程中，采用一個(gè)寬松的策略。也就是我們?cè)诰植繑U(kuò)充一對(duì)同源蛋白質(zhì)時(shí)，只要求至少與其中的一個(gè)蛋白質(zhì)在相應(yīng)的網(wǎng)絡(luò)中存在一條長度不超過2的路徑。通過比對(duì)酵母和果蠅，人類和果蠅的蛋白質(zhì)相互作用網(wǎng)絡(luò)，實(shí)驗(yàn)結(jié)果表明該方法識(shí)別的保守蛋白質(zhì)復(fù)合物能更好地匹配已知復(fù)合物，而且這些來自不同物種的保守蛋白質(zhì)復(fù)合物在功