基于代謝網(wǎng)絡(luò)的功能模式發(fā)現(xiàn)及系統(tǒng)發(fā)生分析研究.pdf

1、細(xì)胞代謝是維持生命體生存和成長的必備條件。生命體的細(xì)胞通過酶的催化,在維持各種反應(yīng)平衡的條件下將營養(yǎng)物質(zhì)(底物)分解,生成其他營養(yǎng)物質(zhì)(產(chǎn)物),并為生命體提供能量。從圖論的角度,將代謝網(wǎng)絡(luò)中的所有物質(zhì)看作具有不同標(biāo)記的節(jié)點(diǎn),則特定物種的所有代謝反應(yīng)便構(gòu)成了該物種的代謝網(wǎng)絡(luò)。關(guān)于代謝網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、組織規(guī)律、功能模體、功能模塊以及物種同源性等課題的研究有助于理解生命體內(nèi)代謝物質(zhì)的轉(zhuǎn)化規(guī)律,從而指導(dǎo)疾病診斷、新藥開發(fā)、毒理分析等研究。

2、>　　 KEGG(Kyoto Encyclopedia of Genes and Genomes)數(shù)據(jù)庫是現(xiàn)有的多個(gè)代謝網(wǎng)絡(luò)數(shù)據(jù)庫中權(quán)威和使用率最高的數(shù)據(jù)庫。本文基于KEGG代謝網(wǎng)絡(luò),研究了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征,提出了有效的網(wǎng)絡(luò)模體識(shí)別和功能模塊發(fā)現(xiàn)算法,進(jìn)行了系統(tǒng)發(fā)生分析研究。主要研究工作包括:
　　 提出了重建KEGG代謝網(wǎng)絡(luò)的算法,這是一種無冗余、無數(shù)據(jù)丟失的代謝網(wǎng)絡(luò)構(gòu)建方法,得到該數(shù)據(jù)庫中61個(gè)物種的酶-酶關(guān)系網(wǎng)絡(luò)和化合

3、物相互關(guān)系網(wǎng)絡(luò)。按照種系分類,包括15個(gè)古菌物種,38個(gè)細(xì)菌物種和8個(gè)真核物種,為基于代謝網(wǎng)絡(luò)的后續(xù)研究提供了準(zhǔn)確可靠的數(shù)據(jù)。詳細(xì)分析了重建網(wǎng)絡(luò)的一些拓?fù)涮卣?包括度分布、小世界特性、模塊化組織結(jié)構(gòu)和蝴蝶結(jié)結(jié)構(gòu),實(shí)驗(yàn)結(jié)果和已有研究成果基本一致。
　　 模體識(shí)別的核心問題是頻繁子圖的挖掘。提出了基于環(huán)分布的網(wǎng)絡(luò)子圖發(fā)現(xiàn)算法ESRD(Enumerate Subgraphs based on Ring-Distribution),該算

4、法用以高效地枚舉網(wǎng)絡(luò)中的所有κ階子圖。為了在確保頻繁子圖頻率精度的條件下提高搜索效率,提出了基于環(huán)分布的動(dòng)態(tài)抽樣算法。使用4個(gè)真實(shí)生物網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行實(shí)驗(yàn),驗(yàn)證了本文算法在效率和精度上相對(duì)于同類算法的優(yōu)勢。此外,實(shí)驗(yàn)列舉了代謝網(wǎng)絡(luò)內(nèi)的部分3階和4階功能模體,這些模體在三個(gè)種系中按照Z—Score大小的排列順序基本一致,反映了代謝網(wǎng)絡(luò)的高度保守性。
　　 代謝網(wǎng)絡(luò)以模塊化方式實(shí)現(xiàn)系統(tǒng)功能,特定功能的模塊在拓?fù)渖舷鄬?duì)保守,存在于各物種的

5、代謝網(wǎng)絡(luò)中。根據(jù)代謝網(wǎng)絡(luò)中節(jié)點(diǎn)的系統(tǒng)發(fā)生譜,提出一種新的計(jì)算化合物節(jié)點(diǎn)的同源相似度的方法,使用AP(Affinity Propagation)算法對(duì)網(wǎng)絡(luò)進(jìn)行初始劃分,按照模塊的同源系數(shù)逐層進(jìn)行重疊擴(kuò)展。該方法不僅可以挖掘各物種間普遍存在的同源功能模塊,同時(shí)也可以挖掘僅在部分系統(tǒng)發(fā)生分支上存在的外圍模塊。實(shí)驗(yàn)結(jié)果表明得到的保守功能模塊與KEGG數(shù)據(jù)庫提供的參考功能模塊具有較高匹配率,外圍功能模塊體現(xiàn)了功能模塊在不同物種內(nèi)的分布差異。

6、>　　 系統(tǒng)發(fā)生分析是研究物種起源和演化的重要手段?；趫D論的“核”結(jié)構(gòu),提出了一種代謝網(wǎng)絡(luò)相似度的比對(duì)算法:將不同代謝網(wǎng)絡(luò)的相似度定義為圖的“核”部分與非“核”部分各自匹配程度的加權(quán)之和,通過NJ(Neighbor Joining)算法構(gòu)建系統(tǒng)發(fā)生樹。通過比較實(shí)驗(yàn)得到的系統(tǒng)發(fā)生樹和NCBI(National Center forBiotechnology Information)分類樹,說明本文方法能夠更有效地構(gòu)建系統(tǒng)發(fā)生樹。