有關(guān)網(wǎng)絡(luò)模糊motif及其精確化算法的研究.pdf

1、隨著生物信息學研究進入后基因組時代，產(chǎn)生了大量富有生物意義的復雜網(wǎng)絡(luò)，這促使許多研究者從系統(tǒng)生物學的角度研究該類網(wǎng)絡(luò)的拓撲結(jié)構(gòu)特點和網(wǎng)絡(luò)中局部結(jié)構(gòu)與整體功能之間的關(guān)系等，因此，網(wǎng)絡(luò) motif的概念應運而生。從提出到現(xiàn)在有關(guān)網(wǎng)絡(luò)motif的識別算法層出不窮，這些算法大多都需要窮舉網(wǎng)絡(luò)中的子圖、生成一定數(shù)目的隨機網(wǎng)絡(luò)以及進行圖的同構(gòu)性判斷，這使得它們識別頂點數(shù)和連邊數(shù)較小的網(wǎng)絡(luò)中存在的motif時能夠得出有效解，但隨著待識別的網(wǎng)絡(luò)moti

2、f和網(wǎng)絡(luò)規(guī)模的增加，大多數(shù)的算法都面臨時間復雜度呈指數(shù)上升的問題，進而無法完成預期任務(wù)。所以，當務(wù)之急是如何通過深入地了解網(wǎng)絡(luò) motif識別問題來設(shè)計出時間復雜度更低的算法。
　　基于構(gòu)建頂點的K-hop特征向量的網(wǎng)絡(luò)motif識別算法FCMD的算法時間基本獨立于motif的規(guī)模，但仍然存在頂點的特征向量不能很好的表達Bi-fan型motif的局限性和motif聚類中兩個子圖是否重疊的判定準則過于嚴格的問題，本文從這兩方面對FC

3、MD算法提出改進：
　　(1)我們將頂點的特征向量表示的局部子圖進行擴大，使之由一個相對封閉的范圍擴展成了一個“帶刺的”范圍；
　　(2)判斷兩個圖是否重疊的條件不再是以前的它們之間不允許有重疊的頂點，而是允許兩個子圖有一定量的重疊頂點，其數(shù)目小于某個閾值，該閾值隨著兩個子圖的頂點總數(shù)而變化，如此一來，當兩個圖的頂點數(shù)都很少時，允許重疊的頂點數(shù)也較少，反之，允許重疊的頂點數(shù)較多。另外，經(jīng)過仔細分析，我們認為FCMD算法識別出

4、的motif相對現(xiàn)有的大部分算法而言是模糊的，因此，提出了兩種模糊motif精確化的算法：一種基于連續(xù)型Hopfield網(wǎng)絡(luò)，另一種基于子圖窮舉motif識別算法EEA。
　　本文的實驗部分以多種真實的網(wǎng)絡(luò)數(shù)據(jù)為基礎(chǔ)，通過合理的實驗設(shè)計與詳細的結(jié)果分析我們得出：
　　(1)改進的FCMD算法識別到的網(wǎng)絡(luò)motif在數(shù)量和質(zhì)量上均與算法改進前基本相當，而且改進之后算法還能有效識別網(wǎng)絡(luò)中的Bi-fan型motif；
　　(