检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

蛋白质功能模块检测的聚类方法综述

计算机工程与应用 2019年第8期55卷 17-26页

作者：霍思聪黎英南宁师范大学计算机与信息工程学院南宁530299 南宁师范大学广西高校科学计算与智能信息处理重点实验室南宁530299

在蛋白质相互作用(Protein-Protein Interaction,PPI)网络中检测蛋白质功能模块有助于预测未知蛋白质的功能模块。随着蛋白质相互作用有效数据迅速增长,如何通过PPI网络获得有效的蛋白质功能模块成为最大挑战。阐述PPI网络的发展及现状... 详细信息

在蛋白质相互作用(Protein-Protein Interaction,PPI)网络中检测蛋白质功能模块有助于预测未知蛋白质的功能模块。随着蛋白质相互作用有效数据迅速增长,如何通过PPI网络获得有效的蛋白质功能模块成为最大挑战。阐述PPI网络的发展及现状,通过对当前蛋白质功能模块检测算法进行归纳总结,把它们分为单元聚类和多元聚类,并对每类的代表性方法进行详细阐述;讨论蛋白质相互作用网络功能模块检测研究所面临的挑战及未来研究方向。

关键词：蛋白质相互作用蛋白质功能模块检测聚类

基于逻辑回归和局部结构信息的蛋白质功能模块检测算法的研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于逻辑回归和局部结构信息的蛋白质功能模块检测算法的研究

作者：张刚北京交通大学

学位级别：硕士

蛋白质功能模块是通过相互作用或一起执行某个特定的分子功能的蛋白质组,对其探究有助于了解细胞进程,生命活动和疾病机理。识别蛋白质功能模块是蛋白质组学领域中一个非常热门的研究方向,通过计算方法进行蛋白质模块识别既可以节省大... 详细信息

蛋白质功能模块是通过相互作用或一起执行某个特定的分子功能的蛋白质组,对其探究有助于了解细胞进程,生命活动和疾病机理。识别蛋白质功能模块是蛋白质组学领域中一个非常热门的研究方向,通过计算方法进行蛋白质模块识别既可以节省大量的时间和资源,还能给出潜在的功能模块。目前基于计算方法的蛋白质功能模块检测方法可以分为两类:有监督的和无监督的检测方法。大多数的无监督方法认为蛋白质功能模块存在于PPI网络图中比较密集的区域。有监督的方法则通过参考数据集的信息特征训练分类模型来指导功能模块的识别,但是特征提取的不充分和PPI数据的噪声都会导致分类模型不准确。本文首先提出了一个基于逻辑回归分类模型和局部结构信息的打分函数。训练分类模型时,通过选取24个特征来提高分类模型的准确度。将分类模型和局部结构信息结合以降低PPI数据噪声所带来的负面影响。最后,基于该打分函数设计了新的功能模块检测算法。在四个大规模酵母数据集上与经典的无监督检测方法进行了对比实验,实验结果表明本文提出的算法在MMR值得分上高于其它算法,综合得分大多数情况下也高于其他算法。还在五个酵母数据集上与经典的有监督检测方法进行了对比实验,实验结果表明本文提出的算法得分仅次于ClusterEPs算法。最后,GO分析的结果表明本文提出的算法可以预测到潜在的蛋白质功能模块。

关键词：蛋白质相互作用网络蛋白质功能模块功能模块检测算法逻辑回归有监督

蛋白质网络中的功能模块挖掘算法与关键蛋白识别方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蛋白质网络中的功能模块挖掘算法与关键蛋白识别方法研究

作者：王飞陕西师范大学

学位级别：硕士

当前的生命科学研究正处在后基因组时代,通过信息技术手段对蛋白质进行分析研究是蛋白质组学的一个重要内容,尤其是从蛋白质相互作用网络中挖掘出有生物意义的蛋白质功能模块以及识别出生命体的关键蛋白,对揭示生命体特定活动具有重要... 详细信息

当前的生命科学研究正处在后基因组时代,通过信息技术手段对蛋白质进行分析研究是蛋白质组学的一个重要内容,尤其是从蛋白质相互作用网络中挖掘出有生物意义的蛋白质功能模块以及识别出生命体的关键蛋白,对揭示生命体特定活动具有重要的研究意义。蛋白质相互作用网络中的数据来自各种高通量技术手段测量得来,由于细胞环境的复杂性以及手段的局限性,得到的数据不可避免的存在着错误信息。并且已有的蛋白质相互作用数据只能显示相互作用曾在细胞存在过,至于何时存在何时消失,则无法给出。这就影响到了从中挖掘蛋白质功能模块的准确性。关键蛋白是对生命体功能的正常表达起到重要作用的蛋白质。一个关键蛋白的缺失就可能引起生命体的功能缺失。因此,关键蛋白的识别工作也引起了研究人员的密切注意。本文主要工作如下：（1）提出了将烟花算法优化马尔可夫聚类的膨胀参数用于挖掘蛋白质功能模块,并提出了将烟花算法在蛋白质相互作用网络中模拟爆炸过程直接挖掘蛋白质功能模块。第一种方法通过烟花算法动态调节马尔可夫聚类的参数达到优化聚类结果的目的,第二种方法在蛋白质网络中将烟花与周围符合条件的火花聚集成一类。实验结果表明,两种方法都可以获得较好的结果。（2）提出了将萤火虫优化算法优化马尔可夫聚类的膨胀参数用于挖掘蛋白质功能模块。通过将萤火虫优化算法用于优化马尔可夫聚类的参数,算法运行效率较之烟花算法更高。实验结果表明该方法比其他群智能优化算法以及其他功能模块挖掘算法都能获得更加准确的聚类结果。（3）提出了在蛋白质功能模块中利用它们的拓扑特性进行关键蛋白识别。在蛋白质功能模块中,针对模块子网进行拓扑特性研究,分别研究了使用度中心性和边聚集系数中心性的方法进行关键蛋白识别的优劣。实验结果表明,两种方法在大部分样本中都可以得到比其他传统方法更好的识别准确性,可以识别出更多的关键蛋白。

关键词：蛋白质相互作用网络蛋白质功能模块关键蛋白

基于不确定网络的蛋白质功能模块挖掘算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于不确定网络的蛋白质功能模块挖掘算法研究

作者：胡伟凤湖南大学

学位级别：硕士

在具有生物意义的细胞功能中，蛋白质功能模块是其最基本的组成单位之一，它在结合各个基因产物的过程中起着非常重要的作用。因而，如何从蛋白质的相互作用数据中挖掘与生物功能密切相关的蛋白质功能模块，成为人们揭开蛋白质相互作用... 详细信息

在具有生物意义的细胞功能中，蛋白质功能模块是其最基本的组成单位之一，它在结合各个基因产物的过程中起着非常重要的作用。因而，如何从蛋白质的相互作用数据中挖掘与生物功能密切相关的蛋白质功能模块，成为人们揭开蛋白质相互作用与探测生物功能联系的重要突破口。但由于生物过程本身的特殊性以及实验方法存在的局限性使得通过生物实验获得的蛋白质相互作用数据存在不确定性，针对此种情况，研究者提出了不确定图的“可能语义模型”。本文在分析总结现有研究成果的基础上，针对现有蛋白质功能模块识别算法中存在的不足，结合不确定图的语义模型，着力研究基于不确定网络的蛋白质功能模块挖掘算法，主要工作有：1）针对层次聚类算法抗噪声能力弱、划分结果不重叠的缺点，提出了一种基于间接联通性与层次聚类识别可重叠蛋白质功能模块的算法。算法通过对社交网络中人类活动趋势的分析，设计了蛋白质相互作用网络中蛋白质对之间的活动聚集值，重建了网络的邻接矩阵，然后利用已有的模块性衡量标准Q值对网络进行层次划分，并且遵循蛋白质功能模块可重叠的研究结果，将初步模块划分结果扩展成重叠模块，实验表明，该算法能有效提高有意义蛋白质功能模块的识别率。2）为了提高识别蛋白质功能模块的准确性，克服PPI网络中假阴性假阳性数据对实验结果的影响。结合基因本体数据（GO）与不确定网络的优点，提出了一种基于GO数据和不确定网络中期望密度的蛋白质复合物挖掘算法。算法通过不确定网络对噪音数据的隔离以及GO数据的合理利用，使得算法识别效果有所提高，在两个酿酒酵母的PPI网络中的实验结果表明COMDG在一定程度上提高了蛋白质功能模块的识别精度。

关键词：蛋白质功能模块不确定图期望密度基因语义相似性间接连通性

基于模块统计模型在蛋白质表达谱分析中的比较与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基因组学与应用生物学 2017年第10期36卷 4134-4140页

作者：雷明莉王博李婧上海交通大学生命科学技术学院上海200240

在蛋白质组学研究中,差异表达分析能够帮助寻找与疾病相关的重要蛋白和生物标志物。目前广泛应用的差异表达分析方法大多是在单蛋白水平进行的,但是很多复杂疾病或者表型是由一些关键模块或通路上多个蛋白的微弱变化累加所致。本研究中... 详细信息

在蛋白质组学研究中,差异表达分析能够帮助寻找与疾病相关的重要蛋白和生物标志物。目前广泛应用的差异表达分析方法大多是在单蛋白水平进行的,但是很多复杂疾病或者表型是由一些关键模块或通路上多个蛋白的微弱变化累加所致。本研究中,我们比较评估了5种基于模块的差异表达统计学方法,这些方法相比单蛋白差异表达分析方法,应该能够找到更多跟癌症相关的功能模块。通过模拟数据集的评估结果表明,基于Mean的方法在不同的模拟数据集中都展现了较好的统计效力,L2Norm、GM和FM 3种方法的统计效力基本相同,而WKS的统计效力较差。此外,我们将5种方法应用到结直肠癌患者样本蛋白质表达谱数据分析中。结果显示,单蛋白水平差异分析方法和基于模块的统计分析方法都找到了跟端粒酶相关的功能模块,而基于5种方法综合排名的结果找到了更多与癌症密切关联的途径,包括p53调节的内源性细胞凋亡的功能模块。

关键词：串联质谱技术高通量蛋白质组学差异表达分析蛋白质功能模块

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

PPI网络中功能模块识别算法研究

PPI网络中功能模块识别算法研究

作者：韩悦悦安徽农业大学

学位级别：硕士

研究蛋白质复合物和蛋白质功能模块,已成为更进一步认知生命活动的作用机制和组织原理的重要途径。研究分析蛋白质-蛋白质相互作用(Protein-Protein Interaction)网络中包含的信息所用的聚类等计算方法是发掘蛋白质功能模块特性的有效... 详细信息

研究蛋白质复合物和蛋白质功能模块,已成为更进一步认知生命活动的作用机制和组织原理的重要途径。研究分析蛋白质-蛋白质相互作用(Protein-Protein Interaction)网络中包含的信息所用的聚类等计算方法是发掘蛋白质功能模块特性的有效方式。本文从PPI网络的拓扑特性出发,针对蛋白质功能模块重叠结构的识别效率较低和存在噪声等问题进行较为深入的研究与分析。本文的主要内容如下:(1)提出了一种基于链路相似性聚类的蛋白质功能模块识别方法MLS(Markov Clustering of Protein-Protein Interaction Networks based on Link Similarity)。PPI网络具有模块性,且对已知的功能模块进行拓扑特征分析,得出模块间存在重叠结构。该算法可以有效检测出PPI网络中功能模块间的重叠结构。在酵母蛋白的多个PPI网络数据集中进行实验,聚类实验结果显示MLS算法较MCL、LC、MCODE、Newman等算法具有更好的性能。通过进一步的实例分析表明该算法检测到的功能模块,更具有生物学意义。(2)提出了一种结合拓扑特征和基因表达数据的蛋白质功能模块识别方法ECTG(Evolutionary Clustering Algorithm Based on Topological Features and Gene expression data for Protein Complex Identification)。通过分析已知蛋白质功能模块的拓扑结构,发现其中存在噪声数据,可见蛋白质相互作用数据并不能全面的反映出功能模块内蛋白质之间的关系。因此,在引入基因表达数据的基础上,结合PPI网络的拓扑特征对PPI网络进行聚类分析。该算法的实验结果表明,ECTG算法可以更好的检测蛋白质功能模块。(3)设计并开发了PPI网络聚类方法综合性分析系统ClusterA。该平台目前已集成了当前主流PPI网络数据集,实现了MLS、ClusterONE、ECTG等8个聚类算法和Avg.F等7个评估方法。ClusterA为相关领域的研究者提供了一个快速有效的多功能注释模块以及方法评估的对比平台,可方便的将各种算法结果可视化,可以帮助研究者快速直观的认知各种算法流程,并通过可视化的角度直观了解各算法的性能及差异。以上为本文的主要工作,得到的阶段性成果可作为检测PPI网络中蛋白质功能模块的有效方法。

关键词： PPI网络蛋白质功能模块聚类算法拓扑特征基因表达数据

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于关联紧密度的蛋白质网络挖掘算法研究

基于关联紧密度的蛋白质网络挖掘算法研究

作者：陈晓荟华中师范大学

学位级别：硕士

如何从蛋白质互作用网络中挖掘出有效的蛋白质功能模块具有非常重要的生物意义。因此本文针对常规聚类算法的一些弊端做出了改进,提出新的自适应聚类算法。而利用生物信息学找到生物数据之间的联系,从而进行疾病基因预测也是非常具有前... 详细信息

如何从蛋白质互作用网络中挖掘出有效的蛋白质功能模块具有非常重要的生物意义。因此本文针对常规聚类算法的一些弊端做出了改进,提出新的自适应聚类算法。而利用生物信息学找到生物数据之间的联系,从而进行疾病基因预测也是非常具有前景的研究工作。本文将新算法应用到人类蛋白质网络,完成疾病基因预测工作。主要工作内容如下： (1)模块度是衡量复杂网络模块划分优劣的标准,但目前使用最为广泛的NG(Newman-Girvan)模块度却存在分辨率限制的弊端,因此本文引入密度模块化方法来克服NG模块度量存在的缺陷。而为了得到更优的模块结构,本文通过深入分析蛋白质互作用网络模块合并前后密度模块度的增益的变化,定义了节点的内部关联紧密度和外部关联紧密度,提出基于关联紧密度的蛋白质互作用网络功能模块挖掘算法CAD(Closely Associated Degree)。CAD算法使得蛋白质互作用网络功能模块的划分始终朝网络密度模块度不断增加的方向快速演化,从而有效的挖掘出蛋白质互作用网络的功能模块。实验结果表明,基于关联紧密度的算法CAD所挖掘的蛋白质功能模块具有较高的精度,能够有效地识别蛋白质互作用网络中具有生物意义的蛋白质功能模块。 (2)目前已发现,疾病的产生也是由生物分子之间(特别是蛋白质分子)错综复杂的相互作用关系构成的。而利用生物信息学找到生物数据之间的联系,从而进行疾病基因预测也是非常具有前景同时兼具挑战性的研究工作。由前面CAD算法应用到酵母蛋白质网络上的结果所进行的分析研究表明,CAD算法对于蛋白质网络的挖掘相对于其他算法具有明显更高的准确性和有效性,因此,将CAD算法应用到人类蛋白质网络进行疾病基因预测得到的预测基因也应具有一定准确率。本文将CAD算法应用于人类蛋白质相互作用网络进行挖掘,完成了乳腺癌疾病相关基因的预测工作,最终得到20个预测基因。

关键词：蛋白质互作用网络内部关联紧密度外部关联紧密度蛋白质功能模块疾病基因

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