基于數(shù)據(jù)集成和監(jiān)督學(xué)習(xí)的絡(luò)合物發(fā)現(xiàn)研究.pdf

1、隨著基因組計(jì)劃的完成，人類步入后基因組時(shí)代，逐漸認(rèn)識(shí)到蛋白質(zhì)分子在生命過程中的重要性。研究表明，蛋白質(zhì)分子并不單獨(dú)發(fā)揮作用，它通常與其功能相似的蛋白質(zhì)分子聚集形成大分子結(jié)構(gòu)，以蛋白質(zhì)絡(luò)合物的形式參與生物進(jìn)程、細(xì)胞組成、分子功能等生命過程。目前，生物高通量實(shí)驗(yàn)產(chǎn)生了大量的蛋白質(zhì)關(guān)系，隨之形成了多種蛋白質(zhì)關(guān)系數(shù)據(jù)集，為蛋白質(zhì)絡(luò)合物的預(yù)測(cè)提供了可能。蛋白質(zhì)絡(luò)合物以其對(duì)生命的重要意義，成為系統(tǒng)生物學(xué)的熱點(diǎn)研究對(duì)象。
　　首先，本文介紹了蛋

2、白質(zhì)絡(luò)合物發(fā)現(xiàn)算法的研究背景、研究現(xiàn)狀、相關(guān)知識(shí)和評(píng)價(jià)指標(biāo)。并且指出目前影響蛋白質(zhì)絡(luò)合物發(fā)現(xiàn)算法性能提升的主要問題:蛋白質(zhì)關(guān)系數(shù)據(jù)集中假陽性、偽陰性問題;流行蛋白質(zhì)絡(luò)合物發(fā)現(xiàn)算法單純基于規(guī)則尋找關(guān)系網(wǎng)絡(luò)中密集子圖導(dǎo)致的局限性問題。這些問題限制了蛋白質(zhì)絡(luò)合物發(fā)現(xiàn)算法性能的提升。
　　隨后，本文針對(duì)蛋白質(zhì)關(guān)系數(shù)據(jù)集中偽陰性問題，提出集成生物文獻(xiàn)中蛋白質(zhì)關(guān)系策略。該策略充分利用生物文獻(xiàn)中隱含的大量高準(zhǔn)確性蛋白質(zhì)關(guān)系信息資源，利用PPIE

3、xtractor系統(tǒng)從文獻(xiàn)中抽取蛋白質(zhì)關(guān)系，經(jīng)過篩選過濾后集成到蛋白質(zhì)關(guān)系數(shù)據(jù)集中，彌補(bǔ)蛋白質(zhì)關(guān)系數(shù)據(jù)集中關(guān)系缺失現(xiàn)象，從而提升蛋白質(zhì)絡(luò)合物發(fā)現(xiàn)算法的性能。
　　最后，本文針對(duì)蛋白質(zhì)關(guān)系網(wǎng)絡(luò)假陽性、偽陰性問題及蛋白質(zhì)絡(luò)合物算法局限性問題，提出一種基于監(jiān)督學(xué)習(xí)和集成生物文獻(xiàn)中蛋白質(zhì)關(guān)系的絡(luò)合物發(fā)現(xiàn)算法。該算法第一步通過集成生物文獻(xiàn)中蛋白質(zhì)關(guān)系解決蛋白質(zhì)關(guān)系數(shù)據(jù)集偽陰性問題和稀疏性問題;第二步通過采用集成蛋白質(zhì)基因標(biāo)注信息特征和蛋白質(zhì)

4、關(guān)系拓?fù)浣Y(jié)構(gòu)特征的蛋白質(zhì)關(guān)系可信度度量策略，過濾蛋白質(zhì)關(guān)系網(wǎng)絡(luò)中低可信度關(guān)系，解決蛋白質(zhì)關(guān)系數(shù)據(jù)集假陽性問題;第三步通過采用監(jiān)督學(xué)習(xí)SLPC算法在修正后高質(zhì)量蛋白質(zhì)關(guān)系數(shù)據(jù)集中進(jìn)行蛋白質(zhì)絡(luò)合物預(yù)測(cè)，經(jīng)過Cliques算法抽取完全子圖，鄰接蛋白質(zhì)擴(kuò)充完全子圖，高重疊子圖過濾等操作，最終得到預(yù)測(cè)蛋白質(zhì)絡(luò)合物，解決蛋白質(zhì)絡(luò)合物算法局限性問題。
　　本文提出的集成生物文獻(xiàn)中蛋白質(zhì)關(guān)系策略，使得多種蛋白質(zhì)絡(luò)合物發(fā)現(xiàn)算法在多種蛋白質(zhì)關(guān)系數(shù)據(jù)集