基于蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的復(fù)合物抽取研究.pdf

1、開創(chuàng)系統(tǒng)生物學(xué)以來，信息技術(shù)成為生物學(xué)研究不可缺少的重要手段。計算機領(lǐng)域的研究者利用數(shù)據(jù)挖掘、機器學(xué)習(xí)等方法從不同角度詮釋生物學(xué)中的難題。其中關(guān)于生物網(wǎng)絡(luò)中重要的蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的研究逐漸成為近年來研究的熱點，計算機領(lǐng)域研究者通過計算方法來探尋蛋白質(zhì)功能、發(fā)現(xiàn)蛋白質(zhì)復(fù)合物及功能模塊。
　　本文通過分析蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的可靠性對蛋白質(zhì)復(fù)合物識別的影響，針對生物學(xué)家不同的需求情況，設(shè)計了基于蛋白質(zhì)關(guān)系網(wǎng)絡(luò)可靠性分析的蛋白質(zhì)復(fù)合物識別算法，

2、主要研究包括:
　　本文首先對蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的可靠性進行分析，即利用基因共表達數(shù)據(jù)、蛋白質(zhì)結(jié)構(gòu)域等量化蛋白質(zhì)關(guān)系的可信度，并通過對比模糊貝葉斯分類模型與普通貝葉斯模型在分類蛋白質(zhì)復(fù)合物時的差異，揭示蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的噪音對蛋白質(zhì)復(fù)合物識別的影響較大，為設(shè)計以下三種基于蛋白質(zhì)關(guān)系網(wǎng)絡(luò)可靠性分析的復(fù)合物識別方法提供依據(jù)。
　　在已知蛋白質(zhì)關(guān)系網(wǎng)絡(luò)并且網(wǎng)絡(luò)不可變的情況下，本文提出基于基因本體的語義相似度計算方法來對網(wǎng)絡(luò)邊加權(quán)，并結(jié)合

3、加權(quán)網(wǎng)絡(luò)設(shè)計了蛋白質(zhì)復(fù)合物的識別方法。結(jié)果表明，利用基因本體的加權(quán)方式，減輕了網(wǎng)絡(luò)中的假陽性信息的影響，與現(xiàn)有多個性能領(lǐng)先的復(fù)合物識別方法相比，該方法取得了最高的F值。
　　在已知蛋白質(zhì)關(guān)系網(wǎng)絡(luò)并且網(wǎng)絡(luò)可變的情況下，本文融合豐富生物信息資源為特征利用機器學(xué)習(xí)方法重新構(gòu)建網(wǎng)絡(luò)用于復(fù)合物識別。結(jié)果表明，重新構(gòu)建的關(guān)系網(wǎng)絡(luò)較之現(xiàn)有蛋白質(zhì)關(guān)系網(wǎng)絡(luò)含有可信蛋白質(zhì)關(guān)系比例更高，現(xiàn)有蛋白質(zhì)復(fù)合物識別方法在重新構(gòu)建的網(wǎng)絡(luò)上性能均有提高，尤其顯著體

4、現(xiàn)在準(zhǔn)確率和F值上。
　　在未知蛋白質(zhì)關(guān)系網(wǎng)絡(luò)僅已知有限的少量蛋白質(zhì)關(guān)系情況下，本文提出了多層網(wǎng)絡(luò)模式轉(zhuǎn)換方法構(gòu)建新關(guān)系網(wǎng)絡(luò)用于復(fù)合物識別。實驗結(jié)果表明，本文方法識別復(fù)合物的性能高于現(xiàn)有方法，尤其體現(xiàn)在F值上，此外，新建網(wǎng)絡(luò)較現(xiàn)有網(wǎng)絡(luò)含有更高比例的在生物學(xué)意義上相關(guān)的關(guān)系，其他蛋白質(zhì)復(fù)合物識別方法在新建網(wǎng)絡(luò)上性能同樣得到提高。
　　綜上所述，本文針對蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的可靠性問題，在不同條件下，有效的解決了網(wǎng)絡(luò)中關(guān)系不可靠性對蛋