數(shù)據(jù)驅(qū)動(dòng)的生物網(wǎng)絡(luò)去卷積濾噪新算法研究.pdf

1、網(wǎng)絡(luò)是一種優(yōu)良的載體，可以用來表示諸如社會(huì)科學(xué)、生物科學(xué)和信息科學(xué)等中的復(fù)雜關(guān)系。盡管復(fù)雜網(wǎng)絡(luò)研究方法已經(jīng)取得了一些進(jìn)展，但是真實(shí)世界中的網(wǎng)絡(luò)十分復(fù)雜，仍然難于處理。一個(gè)重要問題就是觀測到的網(wǎng)絡(luò)包含噪聲。如果在網(wǎng)絡(luò)構(gòu)建時(shí)不能很好的去除這些噪聲，就會(huì)誤導(dǎo)后續(xù)的分析、誘導(dǎo)累計(jì)誤差。所以從觀測到的網(wǎng)絡(luò)中濾除噪聲，找出真實(shí)關(guān)聯(lián)信息就是一個(gè)亟需解決的重要問題。鏈?zhǔn)皆肼暿蔷W(wǎng)絡(luò)構(gòu)建中觀測到的一種主要噪聲。目前只有少數(shù)科學(xué)家Jones D.T.等給出了

2、模糊的概念：如果點(diǎn)AB和點(diǎn)BC間有真實(shí)關(guān)聯(lián)，鏈?zhǔn)皆肼暠憩F(xiàn)為預(yù)測出來的網(wǎng)絡(luò)中AC之間的非真實(shí)關(guān)聯(lián)。為了濾除這種鏈?zhǔn)皆肼暎茖W(xué)家研究了一些使用全局優(yōu)化的算法，比如在蛋白質(zhì)氨基酸關(guān)聯(lián)網(wǎng)絡(luò)領(lǐng)域，PSICOV使用求逆后的偏相關(guān)矩陣，以及DCA利用波茨物理模型來區(qū)分直接關(guān)聯(lián)信息和間接關(guān)聯(lián)信息。除了上述針對特定領(lǐng)域的濾噪方法，網(wǎng)絡(luò)去卷積算法(ND，Network Deconvolution)利用去卷積的概念直接對鏈?zhǔn)皆肼曔M(jìn)行建模并去除噪聲，但是該方法

3、并沒有精確模擬鏈?zhǔn)皆肼?，并存在參?shù)依賴問題。
　　本文針對現(xiàn)有濾噪方法普遍存在應(yīng)用場景單一、參數(shù)依賴的問題，從信息學(xué)和圖論結(jié)合的角度，提出了圖信息場理論模型，分析了鏈?zhǔn)皆肼暤漠a(chǎn)生機(jī)理，給出了鏈?zhǔn)皆肼暤拿鞔_定義，指出鏈?zhǔn)皆肼暿且环N由于節(jié)點(diǎn)間的非直接路徑（經(jīng)由其他節(jié)點(diǎn)的路徑）傳導(dǎo)的信息產(chǎn)生的一種具有假陽性的噪聲；并構(gòu)建了噪聲模型，提出了網(wǎng)絡(luò)均衡去卷積算法（BND，Balanced Network Deconvolution）濾除鏈?zhǔn)皆?/p>

4、聲。均衡是指BND算法構(gòu)建了均衡的噪聲模型，消除了ND模型中的自相關(guān)信息，并保持了特征值的均衡分布。同時(shí)BND算法使用方便，不需要額外的優(yōu)化參數(shù)。為了驗(yàn)證BND算法濾除鏈?zhǔn)皆肼暤哪芰Γ覀冊谌N網(wǎng)絡(luò)上做了大量實(shí)驗(yàn)，包括蛋白質(zhì)氨基酸關(guān)聯(lián)網(wǎng)絡(luò)（CASP9，CASP10和PSICOV數(shù)據(jù)集），基因調(diào)控網(wǎng)絡(luò)（單核真核細(xì)胞 Saccharomyces cerevisiae和Escherichia coli細(xì)菌數(shù)據(jù)集）和兩種社會(huì)共作者網(wǎng)絡(luò)。豐富的實(shí)