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

1、隨著后基因組時(shí)代的到來，生物組學(xué)研究深入發(fā)展，大量的生物網(wǎng)絡(luò)數(shù)據(jù)涌現(xiàn)，有效地解析和分析這些網(wǎng)絡(luò)數(shù)據(jù)是當(dāng)前生物信息學(xué)的研究重點(diǎn)。網(wǎng)絡(luò)模體是網(wǎng)絡(luò)中一種有著不同局部結(jié)構(gòu)特征的模塊，在生物網(wǎng)絡(luò)中具有重要的作用。大量算法被研究出來用于網(wǎng)絡(luò)模體發(fā)現(xiàn)，由于網(wǎng)絡(luò)模體發(fā)現(xiàn)計(jì)算非常復(fù)雜，抽樣算法被用來減少網(wǎng)絡(luò)模體發(fā)現(xiàn)的計(jì)算量，但是抽樣算法不可避免的抽樣誤差影響抽樣結(jié)果的正確性，是抽樣網(wǎng)絡(luò)模體發(fā)現(xiàn)中不可忽視的問題。本文致力于研究具有低抽樣誤差的網(wǎng)絡(luò)模體發(fā)現(xiàn)算

2、法。
　　 為了降低抽樣誤差，針對現(xiàn)有抽樣網(wǎng)絡(luò)模體發(fā)現(xiàn)算法在計(jì)算子圖比例時(shí)采取同構(gòu)子圖簡單計(jì)數(shù)的方法，本文提出了一種基于子圖擴(kuò)展和子圖支持度的網(wǎng)絡(luò)模體發(fā)現(xiàn)抽樣算法——SE&SSV(Sampling Network Motif Detection Algorithm Basedon Subgraph Extending and Subgraph Support Value)算法。該算法采用子圖擴(kuò)展的方法進(jìn)行同構(gòu)判斷，在擴(kuò)展的過程中

3、計(jì)算出一個衡量子圖同構(gòu)概率的子圖支持度值(Subgraph Support Value，SSV)，將子圖支持度(SSV)用到子圖濃度的計(jì)算當(dāng)中，可以考慮到更多的網(wǎng)絡(luò)拓?fù)湫畔?。?shí)驗(yàn)結(jié)果表明該算法具有較低的抽樣誤差和較高的穩(wěn)定性。
　　 由于現(xiàn)有抽樣網(wǎng)絡(luò)模體發(fā)現(xiàn)算法中子圖樣本的選取通常采用簡單隨機(jī)抽樣方法，而在相同樣本容量情況下，分層抽樣方法通常比簡單隨機(jī)抽樣具有更小的抽樣誤差，更高的抽樣精度。因此，本文提出一種基于節(jié)點(diǎn)度序列分布特

4、征的網(wǎng)絡(luò)模體發(fā)現(xiàn)分層抽樣算法——SRand_ESU(Stratified Sampling Network MotifDetection Algorithm Based on Vertices Degree Sequence)算法。該算法將輸入網(wǎng)絡(luò)的節(jié)點(diǎn)度序列特征作為抽樣分層的指標(biāo)，根據(jù)不同的度序列分布特征選擇合理的分層模型，可以有效降低抽樣誤差提高抽樣精度。實(shí)驗(yàn)結(jié)果表明，該算法取得的子圖樣本節(jié)點(diǎn)度分布與輸入網(wǎng)絡(luò)節(jié)點(diǎn)度分布更加一致，并且