基于动态网络切分的关键蛋白质预测方法

作     者：钟坚成 方卓 瞿佐航 钟颖 彭玮 潘毅 Zhong Jiancheng;Fang Zhuo;Qu Zuohang;Zhong Ying;Peng Wei;Pan Yi

作者机构：湖南师范大学信息科学与工程学院长沙410081 昆明理工大学信息工程与自动化学院昆明650500 中国科学院深圳理工大学计算机与控制工程学院广东深圳518055 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2022年第59卷第7期

页      面：1569-1588页

核心收录：

学科分类：0710[理学-生物学] 0711[理学-系统科学] 08[工学] 081203[工学-计算机应用技术] 0703[理学-化学] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：深圳市海外高层次人才创新创业孔雀团队计划(KQTD20200820113106007) 湖南省教育厅科学研究重点项目(19A316) 教育部产学合作协同育人项目(201902098015) 2019年度湖南师范大学教改项目(2019-82) 国家大学生创新训练项目(202110542004)。 

主　　题：关键蛋白质 蛋白质相互作用网络 动态网络 周期子网络 动态基因表达 

摘      要：关键蛋白质作为蛋白质中的关键物质,不仅对研究细胞生长调控有着重要意义,也为更深层次的疾病研究奠定理论基础.目前,针对关键蛋白质的识别方法大多为应用基因表达信息和蛋白质相互作用网络,提出识别关键蛋白质的静态和动态网络方法,但这些方法未考虑基因表达调控的周期性规律,无法准确地刻画受基因周期调控的蛋白质网络.为此,在基因表达动态性的基础上引入了基因周期性表达的概念,提出了一种动态网络切分方法.该方法通过构建基因“活性表达矩阵,利用切分后的“活性表达矩阵作用于蛋白质相互作用网络,从而形成蛋白质周期子网络,最终综合各周期子网络来衡量蛋白质结点在网络中的重要性.实验结果表明,该方法在酵母、大肠杆菌和人类膀胱数据中可以有效地提高关键蛋白质预测率.