基于蛋白質親和密度擴展的蛋白質復合物挖掘.pdf

1、隨著人類基因組計劃(Human Genome Project, HGP)的完成，結構基因組學成為后基因時代的研究熱點。蛋白質是生命活動的物質基礎，蛋白質復合物及其功能的研究不僅有助于理解各種生命活動的規(guī)律，也能為深入揭示各種疾病致病機理提供理論根據和解決途徑。根據已知功能的蛋白質和相互作用數據來分析蛋白質的拓撲結構特性，挖掘富有生物學意義的蛋白質復合物，從而預測未知蛋白質的功能已成為當前國內外結構基因組學研究的重點。
　　本文以蛋

2、白質網絡拓撲結構特性分析為基點，再結合蛋白質復合物本身特征和生成過程，研究設計了一系列的蛋白質復合物和功能模塊挖掘算法，主要工作如下:
　　1)針對大多數蛋白質復合物的挖掘算法主要集中在無權的蛋白質網絡上，從而忽略了蛋白質與蛋白質之間的生物特性的缺陷，本文提出了基于親和度模型和團擴展的蛋白質復合物識別算法CACE(Connected Affinity Clique Extension)。該算法首先構建了基于親和度系數的酵母蛋白質有

3、權網絡，然后在此基礎上通過親和度密度與團擴展模型挖掘蛋白質復合物。實驗仿真結果表明，相對于傳統(tǒng)蛋白質復合物挖掘算法，CACE算法能夠發(fā)現(xiàn)更多富有生物學意義的蛋白質復合物，并在識別準確度上有很大的提升。
　　2)針對傳統(tǒng)算法直接從網絡拓撲屬性入手，忽略了蛋白質復合物本身所具有的拓撲這一缺陷，本文采用本文采用種子選取、內核擴展以及外核擴展多步擴展模式，提出了基于親和度模型和種子擴展模型的蛋白質復合物挖掘算法CASE(Conncted

4、Affinity Seed Extension)，并將該算法應用到酵母蛋白質有權網絡W-PIN的蛋白質復合物挖掘之中。實驗仿真結果表明，CASE算法在召回率、準確率、功能富集性以及匹配度等幾個層面都有了較大的提升，并且在算法運行效率上也具有更大的提高。
　　3)結合蛋白質親和度模型，在基于關鍵蛋白質節(jié)點發(fā)現(xiàn)基礎上，綜合利用多條件融合技術，提出了基于關鍵節(jié)點的多條件融合擴展模型的蛋白質復合物挖掘算法KCME(Key protein