生物復雜網絡挖掘關鍵問題研究.pdf

1、隨著“后基因時代”到來，人類基因組計劃和隨后發(fā)展的各種組學技術以及高通量實驗方法的發(fā)展，導致大量的基因組、轉錄組、蛋白質組學、代謝組等組學數據的產生，現(xiàn)代生物信息整合以及挖掘方法和技術等，也讓人們已經積累了大量的生物信息學數據。擁有大規(guī)模海量生物數據，綜合運用數學、計算機科學和生物學等方法研究分析和挖掘生物數據成為當前研究的熱點。數據挖掘是在大型數據存儲庫中，自動地發(fā)現(xiàn)有用信息的過程，是生物數據挖掘采用的主要分析技術。目前生命科學研究重

2、點已經從基因組學逐漸轉移到蛋白質組學，利用數據挖掘的方法，從蛋白質相互作用網絡的拓撲結構出發(fā)，預測蛋白質之前的相互作用，進而探尋和識別蛋白質相互作用網絡的模塊結構，注釋未知蛋白質的功能，是理解細胞功的組織結構以及動態(tài)性的重要方法。
　　本文以蛋白質組學數據研究為主，從蛋白質互作網絡拓撲結構特性出發(fā)分析各種蛋白質加權網絡的特性，設計了有效地蛋白質相互作用預測算法，在這個預測后的蛋白質互作網絡的基礎上研究設計了蛋白質復合物和功能模塊識

3、別算法，主要研究工作包括:
　　1.應用復雜網絡理論和圖論的分析技術，分析蛋白質網絡拓撲結構特性，充分利用蛋白質加權網絡上的權重信息，構建馬爾科夫機制，根據不同的蛋白質網絡拓撲結構性，收集網絡中結點的不同高階鄰居信息，設計基于加權網絡的結點相似性度量函數，提出了模擬馬爾科夫過程的蛋白質相互作用網絡鏈路預測算法。該算法不需要任何其他的輔助輸入信息，并且算法既可以對有權的蛋白質相互作用網絡，也可以在無權網絡上進行鏈路預測，既可以對蛋白

4、質復雜網絡進行鏈路預測，也可以對其他社會網絡進行鏈路預測，簡單有效。實驗結果表明其鏈路預測的準確性和實用性。
　　2.針對目前能夠獲得蛋白質相互作用數據不完全，以及直接從蛋白質網絡中尋找全聯(lián)通（極大團)的方法來預測蛋白質復合物這一局限性，我們在利用鏈路預測算法得到的蛋白質互作網絡上，根據蛋白質復合物內部結構特征，定義了新穎的HP*-complex蛋白質復合物模型，提出了基于Hub蛋白的蛋白質復合物挖掘算法HPCMiner，實驗結果

5、表明，通過HP*-complex蛋白質復合物模型，以及HPCMiner方法能夠有效地標示已知的蛋白質復合物，并且具有較高的敏感度、特異性和綜合評價。特別地，定義的蛋白質復合物模型可能是一個非聯(lián)通圖，算法通過模型分解找到的更精確的蛋白質復合物，算法在預測后的蛋白質網絡上進行蛋白質復合物識別，具有較好的健壯性，能夠識別比較多的具有生物意義的蛋白質復合物。
　　3.針對目前蛋白質網絡數據存在假陰性、假陽性數據問題，提出了一種基于隨機游走

6、模型的蛋白質復合物識別算法RWSPFinder，算法通過蛋白質加權網絡上的隨機游走，以及后續(xù)對蛋白質復合物內部進行基于基因本體GO語義相似性的過濾的過程，能夠應對蛋白質互作網絡的假陰性、假陽性數據進行過濾，能夠在較高噪聲的情況下有效識別蛋白質復合物，通過實驗驗證了算法的有效性，可以為生物學家進行蛋白質復合物識別的實驗和進一步研究提供有價值的參考信息。
　　本文重點研究了生物組學網絡中的蛋白質作用組學數據，針對目前少有研究的蛋白質加

7、權網絡，定義了新穎的網絡鏈路預測模型，提出了能有有效的預測蛋白質互作網絡鏈路預測算法;在預測后蛋白質互作網絡上，根據生物學中蛋白質復合物的結構特性，定義了新的復合物模型和算法，模型有效并且能夠識別出從統(tǒng)計意義上證明有意義的蛋白質復合物和模塊，預測了一定數量的未知蛋白質的功能；另外，本文提出一個能夠過濾掉蛋白質相互作用網絡上假陰性、假陽性數據的蛋白質復合物識別算法，將會對生物學家進行蛋白質復合物的研究有指導意義，對生物實驗發(fā)揮重要作用。本