版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著人類基因組學(xué)的研究已經(jīng)取得巨大成就,生命科學(xué)研究重心已經(jīng)從揭示生命遺傳信息轉(zhuǎn)移到分子整體水平對功能的影響,大量的生物網(wǎng)絡(luò)數(shù)據(jù)也隨之涌現(xiàn)。蛋白質(zhì)相互作用網(wǎng)絡(luò)是蛋白質(zhì)相互作用關(guān)系的整體表達(dá),是研究生物系統(tǒng)進(jìn)化的關(guān)鍵。網(wǎng)絡(luò)模體作為相互作用網(wǎng)絡(luò)的基本組成單元,對蛋白質(zhì)進(jìn)化有重要影響。模體發(fā)現(xiàn)也逐漸成為蛋白質(zhì)組學(xué)研究的熱點(diǎn)問題。
由于網(wǎng)絡(luò)模體發(fā)現(xiàn)計算非常復(fù)雜,關(guān)于網(wǎng)絡(luò)模體發(fā)現(xiàn)算法的研究大多是基于提高時間效率。本文在基于蛋白質(zhì)相互作用
2、網(wǎng)絡(luò)的精確網(wǎng)絡(luò)模體發(fā)現(xiàn)算法的研究中,提出了旨在改善算法時間效率和抽樣算法精確度的模體發(fā)現(xiàn)新方法。
研究表明,網(wǎng)絡(luò)中存在的對稱結(jié)構(gòu)會造成計算的冗余。因此本文提出了模體發(fā)現(xiàn)方法MDBS(MotifDetectionbasedonBasicSymmetricSubgraphs),該方法利用基本對稱子圖BSS(BasicSymmetricSubgraph)性質(zhì)來減少模體發(fā)現(xiàn)過程的冗余計算。MDBS根據(jù)BSS性質(zhì)挖掘網(wǎng)絡(luò)中的基本對稱子圖
3、,對網(wǎng)絡(luò)進(jìn)行對稱壓縮,同時在子圖搜索的過程中,對部分具有相同拓?fù)浣Y(jié)構(gòu)的子圖歸類,減少了子圖同構(gòu)過程的時間消耗。通過在不同蛋白質(zhì)相互作用網(wǎng)絡(luò)的實(shí)驗表明,MDBS提高了模體發(fā)現(xiàn)的時間效率。
抽樣子圖搜索減少了模體發(fā)現(xiàn)過程中的計算量,但同時抽樣算法不可避免的抽樣誤差影響了結(jié)果的準(zhǔn)確性,是抽樣網(wǎng)絡(luò)模體發(fā)現(xiàn)中主要存在的問題。本文從提高抽樣方法的穩(wěn)定性和精確度出發(fā),提出一種新型的基于節(jié)點(diǎn)概率分層的抽樣模體發(fā)現(xiàn)算法LaRand-ESU。實(shí)驗
4、分析發(fā)現(xiàn)子圖搜索結(jié)果集中節(jié)點(diǎn)頻率跟節(jié)點(diǎn)的鄰居節(jié)點(diǎn)度數(shù)之和(SumofNeighbors'Degrees,SoNDS)和節(jié)點(diǎn)的邊聚集系數(shù)之和(SumofEdgeClusteringCoefficient,SoECC)相關(guān)。結(jié)合節(jié)點(diǎn)這兩個特征,LaRand-ESU對網(wǎng)絡(luò)中所有節(jié)點(diǎn)進(jìn)行分層,對不同層次的節(jié)點(diǎn)賦不同的抽樣概率,在子圖搜索過程中通過比較隨機(jī)概率和節(jié)點(diǎn)的層次概率值進(jìn)行節(jié)點(diǎn)擴(kuò)充。最后通過在真實(shí)蛋白質(zhì)相互作用網(wǎng)絡(luò)的實(shí)驗表明,這種方法提高
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于子圖支持度和分層抽樣的網(wǎng)絡(luò)模體發(fā)現(xiàn)算法研究.pdf
- 生物網(wǎng)絡(luò)中概率模體發(fā)現(xiàn)算法的研究.pdf
- 基于蛋白質(zhì)相互作用的概率網(wǎng)絡(luò)模體發(fā)現(xiàn)算法研究.pdf
- 基于稠密子圖的社區(qū)發(fā)現(xiàn)算法研究.pdf
- 不確定網(wǎng)絡(luò)中概率模體挖掘算法的研究.pdf
- 基于MapReduce的模體發(fā)現(xiàn)問題算法研究.pdf
- 一種基于統(tǒng)計的生物網(wǎng)絡(luò)模體發(fā)現(xiàn)算法.pdf
- 基于最大團(tuán)求精的模體發(fā)現(xiàn)算法研究.pdf
- 生物序列模體發(fā)現(xiàn)算法研究.pdf
- 基于概率模型的重疊社區(qū)發(fā)現(xiàn)算法研究.pdf
- 14796.基于聚類的模體發(fā)現(xiàn)算法研究
- 面向模體發(fā)現(xiàn)的智能算法研究.pdf
- 23540.基于mcl聚類的模體發(fā)現(xiàn)算法研究
- WDM網(wǎng)絡(luò)中基于分層圖的靜態(tài)RWA算法研究.pdf
- 模體發(fā)現(xiàn)問題中投影算法的研究.pdf
- 基于概率生成模型的社區(qū)發(fā)現(xiàn)和網(wǎng)絡(luò)數(shù)據(jù)分類方法研究.pdf
- 基于混合進(jìn)化算法的子結(jié)構(gòu)發(fā)現(xiàn)研究.pdf
- 基于子圖發(fā)現(xiàn)的設(shè)計模式識別系統(tǒng)——子圖發(fā)現(xiàn)算法的設(shè)計與實(shí)現(xiàn)---畢業(yè)論文
- 基于位置依賴性的Gibbs采樣模體發(fā)現(xiàn)算法.pdf
- 基于SNMP的網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)算法研究.pdf
評論
0/150
提交評論