检索结果-南通市图书馆

作者：杨壮山东工商学院

学位级别：硕士

在细胞存活和发育中,关键蛋白质起着不可或缺的作用,可用生物学实验方法和计算方法识别关键蛋白质,前者的优点是能够准确识别关键蛋白质,但是其不足之处是存在耗时、昂贵且效率低下等;后者的优点是能够快速识别关键蛋白质。为了克服生... 详细信息

在细胞存活和发育中,关键蛋白质起着不可或缺的作用,可用生物学实验方法和计算方法识别关键蛋白质,前者的优点是能够准确识别关键蛋白质,但是其不足之处是存在耗时、昂贵且效率低下等;后者的优点是能够快速识别关键蛋白质。为了克服生物实验方法的缺点,许多计算方法先后被提出,这些方法基本可以分为两类:基于拓扑的计算方法和融合蛋白质生物信息的计算方法。前者使用蛋白质相互作用网络的拓扑特征,后者使用融合蛋白质复合物等多数据源来识别关键蛋白质。由于蛋白质相互作用数据不完善等原因,导致现有的关键蛋白质识别方法准确率较低,因此如何提高识别精度,仍是具有挑战性的工作。本文基于蛋白质相互作用网络的拓扑特性,融合蛋白质生物信息,提出识别关键蛋白质的PSHC、PSLC有效方法。PSHC是一种基于结构洞理论和蛋白质复合物信息,提出的多数据源融合关键蛋白识别方法。首先,PSHC方法首次把结构洞理论引入到了关键蛋白质识别方法中;其次,融合了蛋白质相互作用网络和蛋白质复合物两种数据源用于识别关键蛋白质。在DIP和Krogan两个蛋白质数据集上的实验结果表明,与其他传统方法相比,PSHC方法可以识别更多关键蛋白质,识别准确率更高,并且灵敏度、特异性、准确性、阳性预测值、阴性预测值、F测度等统计指标也明显高于其他方法。因此将结构洞和蛋白质复合物信息相结合的关键蛋白质识别方法是有效的。PSLC是一种基于亚细胞定位、蛋白质复合物和蛋白质相互作用网络,提出的多数据源融合关键蛋白质识别方法。PSLC方法不仅考虑了蛋白质复合物内度的情况,还考虑了蛋白质复合物外度的情况;其次,融合了亚细胞定位信息来评价蛋白质的重要性。在DIP和Krogan两个蛋白质数据集上的实验结果表明,与其他传统方法相比,PSLC方法可以识别更多关键蛋白质,并且灵敏度、特异性、准确性、阳性预测值、阴性预测值、F测度等统计指标也明显高于其他方法。

关键词：蛋白质相互作用网络结构洞蛋白质复合物亚细胞定位关键蛋白质

基于网络拓扑特性的关键蛋白质识别算法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于网络拓扑特性的关键蛋白质识别算法的研究

作者：张倩北京交通大学

学位级别：硕士

随着生物信息学的迅速发展,人们对生物学的研究已经逐渐扩展到蛋白质组学的层面。关键蛋白质的移除会造成有关蛋白质功能模块的功能丧失,进而使细胞无法正常的进行生命活动,从而导致生物体无法生存。关键蛋白识别与保护是药物开发的基础... 详细信息

随着生物信息学的迅速发展,人们对生物学的研究已经逐渐扩展到蛋白质组学的层面。关键蛋白质的移除会造成有关蛋白质功能模块的功能丧失,进而使细胞无法正常的进行生命活动,从而导致生物体无法生存。关键蛋白识别与保护是药物开发的基础,它对于理解细胞生命活动的必需物质具有十分重要的理论意义和应用价值。基于试验数据利用计算方法识别关键蛋白质可以极大地节省时间和资源,所以对蛋白质相互作用网络中的关键蛋白质进行识别是生物信息学领域的一个重要研究方向。目前,比较常用的关键蛋白质识别算法有：度中心性测度算法、接近度中心性测度算法、介数中心性测度算法、桥中心性测度算法、局部平均连接中心性测度算法、网络中心性测度算法等,但这些测度算法仅仅从蛋白质相互作用网络的全局信息或者局部信息对关键蛋白质进行识别。本文通过分析功能模块与关键蛋白质的关系,提出了一种能够从局部反映蛋白质相互作用网络中各蛋白质顶点拓扑特性的指标—局部系数,并设计了结合局部系数和点介数的中心性测度算法—LBC中心性测度算法。由于该算法不仅包含了蛋白质相互作用网络的全局信息,而且又融合了蛋白质分子的局部信息,所以能更全面的对关键蛋白质进行识别。试验结果表明,在无标度网络中,LBC算法的关键蛋白质识别率比上述六种测度算法高10%以上。并且在算法的稳定性和普遍性方面,LBC算法也优于上述六种测度算法。由于LBC算法中的介数中心性计算的时间复杂度较高,所以本文从两个方面对其进行了改进。一方面是对算法本身进行改进,在计算介数中心性时利用VC维理论控制样本大小只对部分最短路径进行计算,使得在精度降低不大的情况下大幅度提高了计算效率。另一方面利用GPU对算法进行加速,设计并实现了基于CUDA架构的介数中心性算法,通过GPU硬件加速。试验结果表明,基于CUDA的LBC算法在保证检测精度不变的情况下将计算时间缩短了20-100倍。

关键词：蛋白质相互作用网络关键蛋白质中心性测度算法 VC维理论 CUDA平台

基于群智能优化的动态蛋白质复合物和关键蛋白质识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于群智能优化的动态蛋白质复合物和关键蛋白质识别算法研究

作者：丁玉连陕西师范大学

学位级别：硕士

在后基因时代,随着生物信息学的发展,高通量技术产生了大量有效的生物数据,使得通过计算手段系统分析蛋白质的功能、结构、相互作用以了解生物体的生命进程,成为了蛋白质组学的研究重点。尤其是,蛋白质相互作用网络中蛋白质功能模块和... 详细信息

在后基因时代,随着生物信息学的发展,高通量技术产生了大量有效的生物数据,使得通过计算手段系统分析蛋白质的功能、结构、相互作用以了解生物体的生命进程,成为了蛋白质组学的研究重点。尤其是,蛋白质相互作用网络中蛋白质功能模块和关键蛋白的挖掘对解释特定的生物进程、揭示生物体生命特征具有重要意义。近年来,虽然蛋白质复合物和关键蛋白的研究取得了突破性进展,但由于蛋白质相互作用网络具有小世界无尺度特征、数据噪音大,以及识别算法本身的局限性,导致识别准确率仍然比较低。群智能优化算法是一种启发式仿生生物算法,能很好地解决优化问题,同时也为蛋白质功能模块的识别和关键蛋白的识别提供了新的视角。本文在蛋白质复合物的预测上,主要使用群智能算法来优化传统聚类算法,或者构建模拟群智能优化过程的聚类模型,以提升检测准确率。在关键蛋白识别上,通过结合群智能优化算法的优化特性和蛋白质的拓扑特性以及蛋白质对应的基因表达值来提升检测准确率。本文主要工作如下:(1)针对密度聚类算法DBSCAN参数选取困难的缺陷,提出了改进的密度聚类算法并用于蛋白质功能模块的挖掘。通过群智能优化算法中的鸽子优化算法动态调节DBSCAN邻域半径和最少邻居结点数这两个参数,使其达到最优状态以优化聚类结果。试验结果表明,优化后的算法识别的蛋白质功能模块准确率有很大提升。(2)针对基于核心-附件结构的蛋白质复合物识别算法中核心与附件的匹配不确定性,提出了模拟果蝇觅食优化过程进行蛋白质功能模块识别的算法。将果蝇看作附件蛋白,核心簇看作食物位置,果蝇优化过程使每个附件蛋白找到自己最合适的核心簇,以形成更准确的蛋白质复合物。试验结果表明新的聚类模型比传统的基于核心-附件结构的聚类算法能够更准确的识别蛋白质功能模块。(3)针对传统聚类算法不能同时考虑蛋白质相互作用网络的全局性和局部性问题,提出了模拟鸽子优化过程进行蛋白质功能模块识别的算法。通过鸽子算法既能全局搜索又能局部搜索的特性在蛋白质网络上通过先全局搜索再局部搜索以形成更准确的蛋白质复合物。试验结果表明新的聚类模型比传统的聚类方法能够更准确的识别蛋白质功能模块。(4)目前大多数关键蛋白质识别方法都是孤立或者零碎地使用少数参数或特征分析关键蛋白质,对于结点缺乏从整体和全局上的把握。针对这一缺陷,提出了使用人工蜂群优化算法识别关键蛋白的算法。该方法结合关键蛋白的先验知识、蛋白质网络的拓扑特性、基因表达特征和人工蜂群的优化特性,进行关键蛋白识别。先通过采蜜蜂和跟随蜂的二级局部搜索寻找新蜜源,当找不到最优新蜜源时使用侦查蜂全局搜索寻找新蜜源。实验结果表明,优化后的关键蛋白识别算法比传统的算法性能更好。

关键词：蛋白质相互作用网络群智能优化蛋白质功能模块关键蛋白质

基于基因本体和拓扑结构的关键蛋白质识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于基因本体和拓扑结构的关键蛋白质识别算法研究

作者：张楠湖南大学

学位级别：硕士

关键蛋白质是生物体生存和繁殖的必要生物蛋白质,识别它们可以帮助人们理解细胞生命的最小需求。随着蛋白质相互作用网络数据的日益完善,基于网络拓扑结构识别关键蛋白质的方法受到广泛关注,但是由于蛋白质网络数据不完善和假阳性高等原... 详细信息

关键蛋白质是生物体生存和繁殖的必要生物蛋白质,识别它们可以帮助人们理解细胞生命的最小需求。随着蛋白质相互作用网络数据的日益完善,基于网络拓扑结构识别关键蛋白质的方法受到广泛关注,但是由于蛋白质网络数据不完善和假阳性高等原因,影响了关键蛋白质的识别率。本文考虑蛋白质节点的生物特性,有区分的对待蛋白质网络中所有的边,利用基因本体信息计算两个端点蛋白质在基因本体术语上的功能相似性,以此衡量蛋白质节点间相互作用的可靠性,为蛋白质网络中的每一条边赋予不同的权重,并结合蛋白质节点在网络中的拓扑特征一起来识别关键蛋白质。论文主要工作如下:针对蛋白质网络中存在一定假阳性信息以及关键蛋白质邻居间呈现共聚类特性,本文结合基因本体信息和边聚集系数,提出一个关键蛋白质识别算法—EGC算法(Edge clustering coefficient and Gene ontology information’s Combination)。实验结果表明,在两个真实的酵母蛋白质数据集(DIP和MIPS)上,EGC算法比其他方法识别的关键蛋白质数目多,识别准确率较高,而且可以识别被其他方法所忽略的关键蛋白质。针对关键蛋白质在具有相同或相近生物功能的蛋白质复合物中存在聚集现象,本文结合基因本体信息和复合物信息,提出一个关键蛋白质识别算法—CCG算法(Combining Complex centrality and Gene ontology information)。实验结果表明,在三个真实的酵母蛋白质数据集(DIP、MIPS和BioGRID)以及两个蛋白质复合物数据集(CM270和CM408)上,CCG算法相比其他方法能够识别出更多的关键蛋白质,在敏感性、特异性、准确率等六种统计指标上的值也优于其他方法。

关键词：关键蛋白质拓扑结构蛋白质相互作用网络基因本体

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多维生物特征的关键蛋白质识别算法研究

基于多维生物特征的关键蛋白质识别算法研究

作者：吴娟湖南大学

学位级别：硕士

作为生命活动中必不可缺的部分,关键蛋白质有助于人们理解有机体的新陈代谢、分化等生命过程。关键蛋白质的识别从系统层面上为生物学的发展和医药学研究提供重要价值信息。后基因组时代,蛋白质相互作用数据日益丰富,从蛋白质网络层面... 详细信息

作为生命活动中必不可缺的部分,关键蛋白质有助于人们理解有机体的新陈代谢、分化等生命过程。关键蛋白质的识别从系统层面上为生物学的发展和医药学研究提供重要价值信息。后基因组时代,蛋白质相互作用数据日益丰富,从蛋白质网络层面识别关键蛋白质成为研究的热点。然而,由于蛋白质相互作用数据不全,并且存在假阳性噪声数据,关键蛋白质识别的准确率受到影响,如何提高关键蛋白质识别的准确率成为关键蛋白质研究的热点问题。针对蛋白质相互作用网络中较多的假阳性噪声数据和缺失的数据限制了拓扑中心性关键蛋白质识别算法的精度这一问题,本文利用多维生物特征识别关键蛋白质,通过评估蛋白质的生物功能重要程度,减小网络中数据缺失和假阳性数据带来的负面影响,从而提高关键蛋白质识别的准确性。关键蛋白质常常密集分布于某些功能的蛋白质复合物内,而在其他的复合物内较少出现。并且,共表达程度高的蛋白质复合物进化更缓慢,这与关键蛋白质不谋而合,关键蛋白质的保守性与共表达程度高的蛋白质复合物存在紧密的联系。本文提出CED算法,该方法基于共表达复合物、基因表达程度等生物特征和边聚集系数拓扑特征识别关键蛋白质。我们将CED算法和现有的几种具有代表性的算法应用于酵母蛋白质真实网络上,实验结果表明,CED算法正确识别的关键蛋白质数量一致高于其他几种算法。为进一步提高关键蛋白质识别的精确度,本文深入探索能更直接有效地表征蛋白质功能重要程度的生物特征。网络模体内的蛋白质的功能和进化程度更相似,并且模体也是进化保守的。本文利用模体、基因表达数据和蛋白质复合物等多维生物特征识别关键蛋白质,提出MGC算法。将MGC算法应用于DIP和MIPS酵母蛋白质真实网络上。采用统计指标分析、jackknife验证法、Top100关键蛋白质的差异集分析等方法验证MGC算法的有效性。实验结果表明,MGC的性能优于其他几种算法。

关键词：关键蛋白质蛋白质相互作用网络拓扑特征蛋白质复合物网络模体基因表达谱

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合生物信息的关键蛋白质识别算法研究

融合生物信息的关键蛋白质识别算法研究

作者：蔚京娟兰州理工大学

学位级别：硕士

蛋白质是一切生命的物质基础,是机体细胞的重要组成部分,生物的结构和性状都与蛋白质有关。然而大部分的蛋白质都不能单独运作,而是通过与其他蛋白质发生相互作用来行使功能,相互作用的蛋白质系统成为所有生命活动的基础。将蛋白质作为... 详细信息

蛋白质是一切生命的物质基础,是机体细胞的重要组成部分,生物的结构和性状都与蛋白质有关。然而大部分的蛋白质都不能单独运作,而是通过与其他蛋白质发生相互作用来行使功能,相互作用的蛋白质系统成为所有生命活动的基础。将蛋白质作为图的节点,相互作用的蛋白质作为连边,得到蛋白质相互作用网络。已有很多蛋白质相互作用网络数据供研究者使用。依据蛋白质对生物体的不同影响可以将蛋白质大致分为关键蛋白质和非关键蛋白质两类。其中,关键蛋白质是对于生物体生存和保持功能正常运作所必需的蛋白质,它的缺失会造成生物功能丧失,并最终导致生物体无法生存。关键蛋白质的研究不仅能够增加对生命活动的理解,也可以帮助研究人员发现一些致病基因,对生物医学的研究有促进作用。因此对于关键蛋白质的识别成为一项重要的研究工作。近年来复杂网络理论的研究不断深入,借助于这种理论工具可以研究各种大型复杂系统,并解决复杂系统中节点中心性、社区检测、网络传播等问题。在复杂网络理论中,通常将关键蛋白质理解为蛋白质网络中的重要节点,考虑到关键蛋白质具有特定的生物功能,关键蛋白质的研究可以从复杂网络理论中的节点中心性和融合生物信息两个角度作为切入点。节点中心性是衡量各个节点在网络中相对重要性的指标。在网络分析中,对图中某个节点的中心性表征有多种方法,包括度中心性、介数中心性、接近度中心性和特征向量中心性等。融合生物信息是指通过融合生物体在生命活动、细胞组成等方面的生物信息来丰富蛋白质网络信息,例如复合物信息、亚细胞定位信息、基因表达等。其中,复合物是一种由蛋白质组成的高内聚低耦合模块,能相互协作完成特定的生物功能,且研究表明复合物内的关键蛋白质占比更大。亚细胞定位用于准确地定位每个蛋白质所在的细胞类型。本文将利用复杂网络理论,基于蛋白质相互作用网络的拓扑结构,并融合蛋白质复合物、亚细胞定位信息等,来研究关键蛋白质的识别算法。本文主要围绕以下三个方面展开:1.提出了融合复合物信息的方法来识别关键蛋白质。在整个网络中,影响节点重要程度的因素不仅与节点本身的特性有关,也与该节点周围邻居节点在复合物中的特性有关。该方法结合了单个节点在整个网络中的局部和全局的拓扑特性,同时也考虑了节点及它的邻居节点在复合物中的结构特性作为蛋白质的综合性能,并对各个节点的综合性能降序排列最终获得关键蛋白质的备选集,将其命名为CDC与CIBD。这种方法有效地减少了单个数据源噪声对预测准确性的影响,能够提高蛋白质相互作用网络中关键蛋白质的识别准确度,解决了生物实验方法成本昂贵且耗时长的问题。2.提出了混合聚类系数中心性和扩展信息中心性的方法来识别关键蛋白质。依据关键蛋白质在网络上中更易成簇出现,而基于拓扑结构的聚类系数是衡量节点紧密程度的一种指标,因此,将聚类系数应用于识别关键蛋白质中。在整体网络中,每个节点的聚类系数是唯一确定的,但是在不同的复合物中,节点的聚类系数有所不同。混合聚类系数中心性方法延伸了复杂网络中的传统中心性聚类系数,首先定义了节点在复合物内的聚类系数,进而通过综合衡量节点的聚类系数、网络中边的聚类程度以及在各个复合物内节点的聚类系数,对节点进行打分,将其命名为CENC。扩展信息中心性的方法旨在复合物内更好地识别关键蛋白质,首先在复合物内定义了一种新的方法用于寻找复合物中的关键节点,其次整合复合物的出现频率,最后结合网络整体拓扑结构的信息中心性进而获得节点打分,将其命名为EIC方法,实验所提出的方法能够有效提高预测关键蛋白质的准确率。3.提出了融合亚细胞和复合物信息的方法来识别关键蛋白质。通过考虑蛋白质所携带的两种生物信息包括亚细胞定位和复合物信息,明确了蛋白质所属的细胞类型,确定了蛋白质在亚细胞定位信息中的重要性,同时也考虑了蛋白质所在的复合物信息,弥补了单一生物信息在识别关键蛋白质中出现的假阴性现象。通过衡量节点在亚细胞和复合物中出现的频度、并结合亚细胞中各个细胞的重要程度,得到了最终算法SAC,实验证明了融合丰富的生物信息是一种提高识别关键蛋白质的有效途径。

关键词：蛋白质相互作用网络关键蛋白质复合物信息亚细胞定位评估方法

基于PPI网络和基因表达数据的关键蛋白质识别算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PPI网络和基因表达数据的关键蛋白质识别算法

作者：唐超湖南师范大学

学位级别：硕士

随着人类基因组计划的开展,越来越多物种的测序数据被生物学家们挖掘出来,从此对于生命科学的研究也逐渐地聚焦于基因组学。然而基因组学的开展只是生命本质特征研究的基础之一,生命过程中细胞的代谢、信号传导以及基因调控等都是通过... 详细信息

随着人类基因组计划的开展,越来越多物种的测序数据被生物学家们挖掘出来,从此对于生命科学的研究也逐渐地聚焦于基因组学。然而基因组学的开展只是生命本质特征研究的基础之一,生命过程中细胞的代谢、信号传导以及基因调控等都是通过蛋白质实现的。蛋白质是构造细胞的基本有机物,是生命活动的物质条件和生物功能活性的保证。生物体的蛋白质主要分为两类:关键蛋白质和非关键蛋白质。现有的关键蛋白质是指去除或破坏活生物体中的特定蛋白质后,造成该生物的相关功能的丧失,从而导致该生物体无法生存。关键蛋白质对于细胞的生理活动和生物的存活都是必不可少的。因此,在研究细胞的生长和调控时,如何准确的识别关键蛋白质成为了至关重要的一步。目前,已经有了一系列基于网络拓扑的计算方法用于关键蛋白质的预测,如度中心性(DC)、信息中心性(IC)、信息向量中心性(EC)、子图中心性(SC)、介数中心性(BC)、接近度中心性(CC)、基于边聚集系数的关键蛋白质度量方法(NC)等。随着高通量实验数据的发展,使得多数据预测关键蛋白质成为了可能。其中,基于基因表达数据和PPI网络的关键蛋白质预测算法常被使用,如基于基因表达数据和PPI网络数据的关键蛋白质度量方法(Pe C)和基于加权度量中心性的关键蛋白质度量方法(P&E)等。然而,基因表达数据的易波动性,很大程度上会影响关键蛋白质鉴定的准确性。针对上述问题,在蛋白质与蛋白质相互作用网络(Protein-Protein Interaction,PPI)的基础上,本研究通过筛选出基因表达谱中的噪声数据来提高预测关键蛋白质的精确度,具体的工作内容如下:(1)本研究基于蛋白质相互作用网络和基因表达数据,提出了基于蛋白质成簇特性和基因“活性”表达的关键蛋白质识别算法JDC。现有的关键蛋白质预测方法由于采用了大量特征数据,易造成计算成本增加。因此本研究采用了常用的PPI网络和基因表达数据来检测关键蛋白质。以蛋白质往往成簇的特性为前提,通过基因表达在不同时刻具有“活性”和“非活性”的表现来消除基因表达数据中噪声的影响,从图论的边的角度考虑,通过构建边聚集系数ECC和Jaccard系数的加权边从而找到识别率高、特异性好的关键蛋白质识别方法。(2)本研究分析了Jaccard波动系数在预测关键蛋白质上具有较好的性能。因此,将Jaccard系数提取出来,从节点的角度研究,在每个蛋白质节点上,在已有的预测算法的基础上融合蛋白质节点的Jaccard波动系数,提出了新的预测算法-)。为了验证该算法的有效性,本研究将该算法与几种关键蛋白质预测算法进行了评估实验,结果证明在融合了Jaccard波动系数的基础上,该算法能够更好的识别出关键蛋白质。

关键词：关键蛋白质 PPI网络 Jaccard相似度边聚集系数

基于动态PPI网络的蛋白质复合物和关键蛋白质挖掘算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于动态PPI网络的蛋白质复合物和关键蛋白质挖掘算法研究

作者：朱海湾江西理工大学

学位级别：硕士

随着生物信息学和高通量技术的迅猛发展,使得全面分析蛋白质网络的结构、功能成为新的研究热点,尤其是基于PPI网络的蛋白质复合物和关键蛋白质识别,不仅为解释生命进程和探索生命奥秘提供理论基础,而且对疾病诊断和药物研制有重要意义... 详细信息

随着生物信息学和高通量技术的迅猛发展,使得全面分析蛋白质网络的结构、功能成为新的研究热点,尤其是基于PPI网络的蛋白质复合物和关键蛋白质识别,不仅为解释生命进程和探索生命奥秘提供理论基础,而且对疾病诊断和药物研制有重要意义。目前,蛋白质复合物和关键蛋白质挖掘算法虽然取得了一定成效,但由于PPI网络的不可靠性、小世界性和复杂性,以及目前聚类算法自身的局限性,导致现有挖掘算法的识别精度不高。本文在蛋白质复合物挖掘上主要从两个方向着手,一是结合PPI网络的结构,通过模拟蚁群清理蚁穴行为构建聚类模型;二是利用人工蜂群算法ABC解决DBSCAN聚类算法参数选取和设置敏感的问题。在识别关键蛋白质方法上,利用蛋白质的保守性和动态性,结合拓扑特性和共表达复合物中心性来提升关键蛋白质预测的准确度。本文主要研究工作如下:针对静态蛋白质网络无法真实模拟细胞的动态性,蚁群聚类算法挖掘蛋白质复合物准确性不高、速度慢等问题,提出一种基于模糊粒度和紧密度的蚁群聚类动态蛋白质复合物算法FGCDACC。首先,该算法基于PPI网络的拓扑特性和生物特性设计了综合性权值度量CWM,准确描述了蛋白质之间的相互作用;然后结合复合物的模块特性,构建一组连接高度紧密且连续共表达的核心团,再改进基于拾起放下的蚁群聚类模型并完成聚类,提升了聚类速度和准确率;最后利用时序功能相关和功能信息传递机制设计了具有正反馈机制的权值更新策略,实现不同代蚁群和不同时刻网络之间的最优解传递。针对DBSCAN算法全局参数设置不合理问题,以及人工蜂群算法ABC后期迭代慢、易陷入局部最优等不足展开了研究,提出一种基于改进人工蜂群算法优化DBSCAN的动态复合物挖掘算法IABC-DBSCAN。该算法首先设计截断-锦标赛选择机制TCSM,自适应和全局引导的搜索策略AGS优化人工蜂群算法ABC,以增强蜂群多样性,并加强跟随蜂寻找全局最优解能力;然后根据改进的人工蜂群算法IABC来动态调节DBSCAN算法中的参数,并将最优参数作为DBSCAN的输入,并在动态DIP数据集上检测蛋白质复合物,以优化聚类效果。现有的关键蛋白质预测算法大多应用在静态PPI网络上,忽略了蛋白质的动态性、保守性以及生物特性,并且未能完全解决假阳性和假阴性问题。针对以上问题,构建一种混合动态-保守蛋白质的时序加权PPI网络,并提出一种名为JTBC的关键蛋白质识别算法。该方法首先利用基因表达数据提取动态和保守蛋白质的活性信息,以动态调整静态PPI网络进而构建时序-保守PPI网络;其次设计一种点边凝聚度DEcc,并结合生物属性数据为动态网络加权。最后设计一种共表达复合物中心性方法。该算法整合权重信息和蛋白质复合物信息,从全局和局部两方面准确地挖掘关键蛋白质。

关键词：蛋白质相互作用网络群智能优化算法蛋白质复合物关键蛋白质动态蛋白质网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多元属性的关键蛋白质识别方法研究

基于多元属性的关键蛋白质识别方法研究

作者：章宇盟江西理工大学

学位级别：硕士

随着基因测序技术的不断进步和高通量蛋白质组学技术的不断发展,关于关键基因或关键蛋白质的研究也不断往更深层次方向延伸。蛋白质是所有细胞和组织结构的重要组成部分,特别是关键蛋白质,其是保持生命体维持正常生命活动所必需的蛋白... 详细信息

随着基因测序技术的不断进步和高通量蛋白质组学技术的不断发展,关于关键基因或关键蛋白质的研究也不断往更深层次方向延伸。蛋白质是所有细胞和组织结构的重要组成部分,特别是关键蛋白质,其是保持生命体维持正常生命活动所必需的蛋白质。识别关键蛋白质不仅对于理解细胞生命活动的基本要素至关重要,而且对于发现生物体的致病基因和防御生物病原体有促进作用。因此,可靠的关键蛋白质识别不仅有助于在系统水平上了解生物体关键的生物学过程,同时对药物设计、疾病诊断和医疗也具有重要意义。尽管现有的对于关键蛋白质的分析和预测研究取得了一定的成效,但仍存在以下诸多问题:1)如何降低蛋白质相互作用（Protein-Protein interaction,PPI）网络中假阳性数据、假阴性数据以及不完备数据对于关键蛋白质识别精度的负面影响,从而构建更加真实、更加可靠的PPI网络;2)如何更准确更全面地描述关键蛋白质更倾向于在PPI网络中具有模块化特性;3)如何有效地整合多元生物和其它PPI网络相关信息,设计出一个能够较好地衡量蛋白质关键性的度量方式;4)如何选择合理地选择计算算法在寻优中更加精准地找到关键蛋白质,以减少迭代次数,达到提升挖掘关键蛋白质的效率的目的。针对上一段陈述的诸多问题,在对PPI网络的拓扑特性、生物属性、空间属性以及挖掘效率等相关知识进行研究和分析的基础上,本文提出了两种不同的融合拓扑特征和生物特性的关键蛋白质识别方法:1)融合中心性和模块特性的关键蛋白质识别方法（United Centrality and Modularity,UCM）;2)融合复合物信息和亚细胞定位信息的关键蛋白质识别方法（United Protein Complexes and Subcellular Locallizations,PCSL）。这两种融合不同PPI网络相关信息的关键蛋白质识别方法主要研究工作如下:（1）融合中心性和模块特性的关键蛋白质识别方法针对PPI网络中存在大量噪音（假阳性数据、假阴性数据）以及现有关键蛋白识别方法准确率不高等问题,提出了一种基于中心性和模块特性的方法UCM来识别关键蛋白质。首先,整合蛋白质拓扑数据和生物数据构建多元属性网络,以降低PPI网络中噪音的影响;其次,根据关键蛋白质的拓扑特性和生物特性,提出一种挖掘稠密且高度共表达的关键模块算法,从多元属性网络中挖掘高可靠性的关键模块,以从多维角度强化关键蛋白质在模块中的重要程度;最后,整合蛋白质的中心性和模块化特性,设计一种衡量蛋白质关键性的策略（Essential Integration Strategy,EIS）,以提高识别高关键蛋白质的准确率。（2）融合复合物信息和亚细胞定位信息的关键蛋白质识别方法针对现有的关键蛋白质预测方法不但存在忽略PPI网络的空间属性的重要性问题,而且还存在对模块化信息考虑不全面以及识别关键蛋白质的过程中挖掘关键蛋白质效率不高等问题,提出了一种基于复合物信息和亚细胞定位信息的方法PCSL来识别关键蛋白质。首先,整合PPI网络的拓扑属性、生物属性和空间属性构建加权网络,以降低PPI网络中噪音的影响,达到提升PPI网络的可靠性的目的;其次,根据复合物信息和空间信息（亚细胞定位信息）,设计一种衡量PPI网络中蛋白质关键性的度量,从不同的维度强化蛋白质在PPI网络中的重要程度（关键性）。最后,利用基于PPI网络拓扑特性的寻优算法,设计一种新的试探策略,避免陷入局部最优,以提升挖掘关键蛋白质的效率。

关键词：模块关键蛋白质亚细胞定位空间属性复合物

基于融合动态PPI网络的关键蛋白质识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于融合动态PPI网络的关键蛋白质识别方法研究

作者：张丰羽昆明理工大学

学位级别：硕士

关键蛋白质在维持有机体生命方面起着不可或缺的作用,缺少关键蛋白质将会导致细胞死亡或无法繁殖。识别关键蛋白质将有助于我们理解细胞生命的基本机制。细菌的关键基因及其编码的蛋白质常常是某些疾病潜在的药物靶点。所以关键蛋白质... 详细信息

关键蛋白质在维持有机体生命方面起着不可或缺的作用,缺少关键蛋白质将会导致细胞死亡或无法繁殖。识别关键蛋白质将有助于我们理解细胞生命的基本机制。细菌的关键基因及其编码的蛋白质常常是某些疾病潜在的药物靶点。所以关键蛋白质的识别无论是在生命科学研究领域还是药物的设计生产方面都有着重要的意义。近年来,人们提出了一些基于静态蛋白质-蛋白质相互作用(PPI)网络的关键蛋白质识别方法。然而,这些方法忽略了关键蛋白质在一定条件下发挥重要作用的特性。针对这一特性,本文主要工作如下:(1)本文对现有中心性关键蛋白质识别方法和动态网络构建方法进行了整理和介绍,并结合几种经典中心性方法对动态网络和静态网络在关键蛋白质识别方面的性能进行了比较和分析。结果表明,使用动态网络能有效提高基于网络拓扑结构的关键蛋白质识别方法的准确度。(2)基于融合动态网络的关键蛋白质识别方法研究。本文考虑到关键蛋白质在不同动态网络中的模块化性质,首先使用边聚集系数对动态蛋白质相互作用子网的边进行了加权处理。然后,本文对相似网络融合方法进行了改进,层次化地将加权后的动态子网融合成了一个最终网络。基于融合后的最终网络,本文使用随机游走的方法,以捕获蛋白质在最终网络上的全局信息。同时,本文还使用了一种频率熵来测量蛋白质在网络上的局部特性。最后,结合蛋白质的全局与局部特性,本文设计了一种基于融合动态PPI网络的关键蛋白质识别方法FDP,并与现有的几种关键蛋白质识别方法进行了实验对比。结果表明,FDP在关键蛋白质识别方面体现出了较好的效果。(3)改进FDP算法。在后续的研究中,我们发现FDP算法仍有可改进的空间。因此,本文对提出的FDP算法进行了改进。首先,使用FDP类似的方法来创建动态网络以及融合多个动态网络。在融合后的最终网络上使用随机游走的方法,以捕获蛋白质在最终网络上的全局信息。然后,我们对融合后的网络进行了剪枝处理,并使用加权的LAC算法计算出蛋白质在剪枝后的网络上的局部性得分。最后本文结合蛋白质全局与局部得分,设计了FDP的改进算法FDP-LAC来识别关键蛋白质。实验表明,FDP-LAC较FDP的关键蛋白质识别效果有一定的提升。

关键词：关键蛋白质动态网络网络融合蛋白质相互作用网络