基于蛋白質(zhì)親和密度擴(kuò)展的蛋白質(zhì)復(fù)合物挖掘.pdf

1、隨著人類基因組計(jì)劃(Human Genome Project, HGP)的完成，結(jié)構(gòu)基因組學(xué)成為后基因時(shí)代的研究熱點(diǎn)。蛋白質(zhì)是生命活動(dòng)的物質(zhì)基礎(chǔ)，蛋白質(zhì)復(fù)合物及其功能的研究不僅有助于理解各種生命活動(dòng)的規(guī)律，也能為深入揭示各種疾病致病機(jī)理提供理論根據(jù)和解決途徑。根據(jù)已知功能的蛋白質(zhì)和相互作用數(shù)據(jù)來(lái)分析蛋白質(zhì)的拓?fù)浣Y(jié)構(gòu)特性，挖掘富有生物學(xué)意義的蛋白質(zhì)復(fù)合物，從而預(yù)測(cè)未知蛋白質(zhì)的功能已成為當(dāng)前國(guó)內(nèi)外結(jié)構(gòu)基因組學(xué)研究的重點(diǎn)。
　　本文以蛋

2、白質(zhì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特性分析為基點(diǎn)，再結(jié)合蛋白質(zhì)復(fù)合物本身特征和生成過(guò)程，研究設(shè)計(jì)了一系列的蛋白質(zhì)復(fù)合物和功能模塊挖掘算法，主要工作如下:
　　1)針對(duì)大多數(shù)蛋白質(zhì)復(fù)合物的挖掘算法主要集中在無(wú)權(quán)的蛋白質(zhì)網(wǎng)絡(luò)上，從而忽略了蛋白質(zhì)與蛋白質(zhì)之間的生物特性的缺陷，本文提出了基于親和度模型和團(tuán)擴(kuò)展的蛋白質(zhì)復(fù)合物識(shí)別算法CACE(Connected Affinity Clique Extension)。該算法首先構(gòu)建了基于親和度系數(shù)的酵母蛋白質(zhì)有

3、權(quán)網(wǎng)絡(luò)，然后在此基礎(chǔ)上通過(guò)親和度密度與團(tuán)擴(kuò)展模型挖掘蛋白質(zhì)復(fù)合物。實(shí)驗(yàn)仿真結(jié)果表明，相對(duì)于傳統(tǒng)蛋白質(zhì)復(fù)合物挖掘算法，CACE算法能夠發(fā)現(xiàn)更多富有生物學(xué)意義的蛋白質(zhì)復(fù)合物，并在識(shí)別準(zhǔn)確度上有很大的提升。
　　2)針對(duì)傳統(tǒng)算法直接從網(wǎng)絡(luò)拓?fù)鋵傩匀胧?，忽略了蛋白質(zhì)復(fù)合物本身所具有的拓?fù)溥@一缺陷，本文采用本文采用種子選取、內(nèi)核擴(kuò)展以及外核擴(kuò)展多步擴(kuò)展模式，提出了基于親和度模型和種子擴(kuò)展模型的蛋白質(zhì)復(fù)合物挖掘算法CASE(Conncted

4、Affinity Seed Extension)，并將該算法應(yīng)用到酵母蛋白質(zhì)有權(quán)網(wǎng)絡(luò)W-PIN的蛋白質(zhì)復(fù)合物挖掘之中。實(shí)驗(yàn)仿真結(jié)果表明，CASE算法在召回率、準(zhǔn)確率、功能富集性以及匹配度等幾個(gè)層面都有了較大的提升，并且在算法運(yùn)行效率上也具有更大的提高。
　　3)結(jié)合蛋白質(zhì)親和度模型，在基于關(guān)鍵蛋白質(zhì)節(jié)點(diǎn)發(fā)現(xiàn)基礎(chǔ)上，綜合利用多條件融合技術(shù)，提出了基于關(guān)鍵節(jié)點(diǎn)的多條件融合擴(kuò)展模型的蛋白質(zhì)復(fù)合物挖掘算法KCME(Key protein