检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于复合参数的蛋白质网络关键节点识别技术

自动化学报 2008年第11期34卷 1388-1395页

作者：黄海滨杨路明王建新李绍华中南大学信息科学与工程学院长沙410083 玉林师范学院数学与计算机科学系玉林537000 广东商学院计算机科学与技术系广州510320

蛋白质的关键性与它在生物网络中对应节点的拓扑特性紧密相关.把关键蛋白质识别看作是一类特殊的模式识别,以分子之间量化的关系—拓扑参数作为识别依据:从相关分析出发对蛋白质网络节点的关键性与其主要拓扑参数的相互关系进行研究,发... 详细信息

蛋白质的关键性与它在生物网络中对应节点的拓扑特性紧密相关.把关键蛋白质识别看作是一类特殊的模式识别,以分子之间量化的关系—拓扑参数作为识别依据:从相关分析出发对蛋白质网络节点的关键性与其主要拓扑参数的相互关系进行研究,发现参数对节点关键性识别能力的大小与两者之间的相关性有关;研究复合参数识别度与独立参数识别度、独立参数相关性之间的关系,提出复合参数的构造方法及异步识别算法.仿真结果证实,获得的识别度明显高于其他识别技术.

关键词：关键节点模式识别复合参数拓扑结构蛋白质网络

在线全文

学校读者我要写书评

暂无评论

蛋白质网络的特征研究

福州大学学报（自然科学版） 2014年第3期42卷 486-490页

作者：林锦贤胡尊胜吕暾福州大学数学与计算机科学学院福建福州350116 福州大学生物科学与工程学院福建福州350116

基于复杂网络理论研究蛋白质网络的特征.构建了蛋白质网络,当截断距离R为0.7 nm时,单体蛋白网络表现出明显的小世界性质.分析了蛋白质网络的分层结构,当截断距离增大时,分层指数b值减小,截断距离R为2.4 nm时,分层指数b与网络规模正相关... 详细信息

基于复杂网络理论研究蛋白质网络的特征.构建了蛋白质网络,当截断距离R为0.7 nm时,单体蛋白网络表现出明显的小世界性质.分析了蛋白质网络的分层结构,当截断距离增大时,分层指数b值减小,截断距离R为2.4 nm时,分层指数b与网络规模正相关.研究结果表明,单体蛋白质网络及其对应复合物中肽链网络中接近中心度和介数中心度较高的残基均是非极性、疏水性氨基酸.

关键词：复杂网络蛋白质网络截断距离拓扑特征

在线全文

学校读者我要写书评

暂无评论

蛋白质网络模块分解的密度聚类算法研究

蛋白质网络模块分解的密度聚类算法研究

作者：王蓓金西安电子科技大学

学位级别：硕士

自从生物信息学的研究进入到后基因组学时代,基因组信息学的研究重心从揭示生命的遗传信息转移到从分子整体水平上对基因功能的研究上,从整体水平上反映基因功能的蛋白质网络随之成为研究的重点。高通量的生物技术产生了大量的蛋白质网... 详细信息

自从生物信息学的研究进入到后基因组学时代,基因组信息学的研究重心从揭示生命的遗传信息转移到从分子整体水平上对基因功能的研究上,从整体水平上反映基因功能的蛋白质网络随之成为研究的重点。高通量的生物技术产生了大量的蛋白质网络数据,现有实验结果表明蛋白质网络是由相互作用的、可划分的功能模块所组成。检测这些功能模块对于了解蛋白质网络的拓扑结构是非常重要的。目前已有的三级分子联合体识别算法(MCODE),派系过滤算法(CPM)和马尔可夫聚类(MCL)等方法只是检测网络中“稠密”的簇而忽略了蛋白质网络自身的属性——簇有着不同的尺寸、密度和形状。本文根据蛋白质网络中模块拓扑结构的多样性,提出了一种应用于蛋白质网络的基于谱理论的密度聚类算法。它通过图的Laplacian谱映射将聚类对象映射到特征空间,在特征空间进行相似度的度量并构造相似性矩阵,最后用密度算法DBSCAN进行聚类。这种聚类方法既保留了谱聚类方法从局部信息获取全局信息的能力,又可以从含有噪声的蛋白质网络中发现任意形状的聚类。通过对酵母菌网络的仿真实验研究,从匹配率和功能同源性两个方面与已知的经典算法进行比较,结果表明该方法在应用于蛋白质功能的注释上要优于其它算法。为了进一步验证算法的有效性,对人工合成网络和社会网络也进行了测试,实验结果表明本文算法是可靠的且具有良好的扩展性。

关键词：谱映射密度聚类蛋白质网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蛋白质网络比对

蛋白质网络比对

作者：徐萌中国科学技术大学

学位级别：硕士

本文介绍了用于蛋白质网络比对的新工具包—NetAlign。这一工具包结合了网络拓扑结构和蛋白质序列信息，在蛋白质网络之间寻找保守网络子结构(CoNSs)。NetAlign比现有的网络比对工具有两个明显的优越性：(1)支持具有复杂或密集拓扑结构... 详细信息

本文介绍了用于蛋白质网络比对的新工具包—NetAlign。这一工具包结合了网络拓扑结构和蛋白质序列信息，在蛋白质网络之间寻找保守网络子结构(CoNSs)。NetAlign比现有的网络比对工具有两个明显的优越性：(1)支持具有复杂或密集拓扑结构的网络;(2)支持基因组规模的大型网络比对。保守网络子结构来源于进化上的共同祖先，它们显示了进化过程中蛋白质网络在拓扑结构组织上的保守性。我们对NetAlign的应用做了两个示例：(1)基因组尺度的大肠杆菌(Escherichia coli)和幽门螺杆菌(Helicobacter pylori)之间的蛋白质网络比对;(2)基因组尺度的酵母(Saccharomyces cerevisiae)和线虫(Caenorrhabditis elegans)之间的蛋白质网络比对。结果显示许多保守网络子结构与蛋白质复合物相对应，说明这些拓扑保守的网络子结构在功能上同样具有保守性。物种间的蛋白质网络比对有助于研究蛋白质相互作用中的保守模块以及它们所代表的保守功能。此外，我们还在蛋白质网络层次上对蛋白质相互作用的预测和物种的分化进行了探讨，NetAlign有助于蛋白质相互作用的预测以及物种分化的研究。

关键词： NetAlign 蛋白质相互作用蛋白质网络蛋白质组

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蛋白质网络的聚类分析方法及评估

蛋白质网络的聚类分析方法及评估

作者：武学鸿中南大学

学位级别：硕士

摘要：在后基因时代,随着高通量蛋白质组技术的发展,可获得的蛋白质相互作用数据迅速增长,随即面临的一项重要挑战就是系统的分析和全面的理解蛋白质之间是如何通过相互作用来完成相应生命活动的。从蛋白质网络中识别蛋白质复合物和功... 详细信息

摘要：在后基因时代,随着高通量蛋白质组技术的发展,可获得的蛋白质相互作用数据迅速增长,随即面临的一项重要挑战就是系统的分析和全面的理解蛋白质之间是如何通过相互作用来完成相应生命活动的。从蛋白质网络中识别蛋白质复合物和功能模块对解释特定的生物进程具有重要的意义。本文从蛋白质网络拓扑特性研究出发,结合相关生物数据信息,对蛋白质网络的聚类分析方法及评估进行了深入研究。本文的主要研究内容和贡献如下：提出了一种融合蛋白质网络和基因表达数据信息的蛋白质复合物识别算法IPCIPG。该算法可以分别识别蛋白质网络中交叠和非交叠的蛋白质复合物。基于酵母蛋白质网络的实验结果表明,IPCIPG算法较HUNTER、HC-PIN、SPICI、CMC、MCODE和MCL具有更强的标识已知复合物能力。提出了一种新的从蛋白质网络中识别并且区分蛋白质复合物及功能模块的模型,并在该模型基础上提出了蛋白质复合物识别算法TSN-PCD及功能模块识别算法DFM-CIN。实验结果表明算法TSN-PCD能够较其他算法更加准确的识别出蛋白质复合物,基于GO数据库功能注释信息的功能富集评估发现DFM-CIN识别出了大多数参与特殊生物进程的功能模块。提出了一种新的基于蛋白质功能层次结构特性的评估方法hF-measure。该方法通过结合GO数据库功能注释信息在F-measure基础上进一步考虑了复合物中蛋白质间的功能相似性及复合物的拓扑性。基于人工测试数据以及多个聚类算法识别结果的实验分析表明hF-measure不仅能够更加准确的评估识别出的复合物,而且可以捕获复合物中拓扑结构变化。最后,本文设计并且实现了一个蛋白质网络聚类算法分析及评估可视化平台ClusterE。该平台具有良好扩展性,所有的聚类算法及评估方法都以插件的形式集成到系统中来。该平台目前已经实现了IPCIPG等7个聚类算法以及hF-measure等10个评估方法。通过使用图表等可视化方式,可以快速,有效的对聚类算法进行评估与比较。

关键词：生物信息学蛋白质网络聚类算法蛋白质复合物功能模块

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于蛋白质网络的模块动态特性挖掘研究

计算机应用研究 2012年第12期29卷 4495-4499页

作者：郭阳尚学群李晶西北工业大学计算机学院西安710072

目前对于蛋白质网络的多数分析方法都是基于静态网络框架提出的,然而,事实上蛋白质之间的相互作用关系是随着时间变化的,具有明显的动态特性。从动态角度出发,基于蛋白质交互网络,结合时间序列的基因表达数据,揭示蛋白质功能模块变化的... 详细信息

目前对于蛋白质网络的多数分析方法都是基于静态网络框架提出的,然而,事实上蛋白质之间的相互作用关系是随着时间变化的,具有明显的动态特性。从动态角度出发,基于蛋白质交互网络,结合时间序列的基因表达数据,揭示蛋白质功能模块变化的动态特性,提出了一种动态网络的构建方法及在动态快照网络中挖掘功能模块的算法,采用模糊匹配的方法揭示了蛋白质功能模块的变化过程。实验证明,该方法能够有效地揭示蛋白质功能模块的动态变化特性。

关键词：蛋白质网络局部相关性功能模块动态特性

在线全文

学校读者我要写书评

暂无评论

蛋白质网络聚类算法分析平台的设计与实现

生物信息学 2012年第2期10卷 106-111页

作者：武学鸿费耀平李敏中南大学信息科学与工程学院长沙410083

蛋白质网络聚类是识别功能模块的重要手段,不仅有利于理解生物系统的组织结构,对预测蛋白质功能也具有重要的意义。针对目前蛋白质网络聚类算法缺乏有效分析软件的事实,本文设计并实现了一个新的蛋白质网络聚类算法分析平台ClusterE。... 详细信息

蛋白质网络聚类是识别功能模块的重要手段,不仅有利于理解生物系统的组织结构,对预测蛋白质功能也具有重要的意义。针对目前蛋白质网络聚类算法缺乏有效分析软件的事实,本文设计并实现了一个新的蛋白质网络聚类算法分析平台ClusterE。该平台实现了查全率、查准率、敏感性、特异性、功能富集分析等聚类评估方法,并且集成了FAG-EC、Dpclus、Monet、IPC-MCE、IPCA等聚类算法,不仅可以对蛋白质网络聚类分析结果进行可视化,并且可以在不同聚类分析指标下对多个聚类算法进行可视化比较与分析。该平台具有良好的扩展性,其中聚类算法以及聚类评估方法都是以插件形式集成到系统中。

关键词：聚类算法评估方法可扩展平台蛋白质网络

基于蛋白质网络的人类遗传致病基因预测算法研究

在线全文

学校读者我要写书评

暂无评论

基于蛋白质网络的人类遗传致病基因预测算法研究

作者：王宗尧哈尔滨工业大学

学位级别：硕士

人类遗传疾病基因的预测是目前生物信息学研究中的一个热点问题。随着基因组测序的完成和新一代测序技术的发展,基因以及蛋白质相互作用网络数据不断增长。通过这些数据来分析预测致病基因给人类破译疾病的遗传基础和分子基础带来了新... 详细信息

人类遗传疾病基因的预测是目前生物信息学研究中的一个热点问题。随着基因组测序的完成和新一代测序技术的发展,基因以及蛋白质相互作用网络数据不断增长。通过这些数据来分析预测致病基因给人类破译疾病的遗传基础和分子基础带来了新的方法,对基因组学和医学都具有重要的现实意义。本文依据遗传疾病临床描述与蛋白质相互作用网络的关联关系,获取相关数据,首先对人类遗传疾病在线数据库进行文本挖掘,通过向量空间模型的方法,计算遗传疾病表型之间的重叠关系,其次利用蛋白质相互作用关系数据计算相互作用评分,加上疾病-蛋白质关联关系数据,共同构建了一系列生物网络,对疾病表型和蛋白质网络数据进行分析,基于这些网络数据对疾病的候选致病基因进行打分和排序,来预测疾病基因。本文提出了两种新的基于网络的人类遗传疾病基因预测方法。第一种在传统的二维关联概率模型的基础上,提出了基于多维随机变量的两种新的概率模型——中心概率模型和外形概率模型,在此基础上,提出了基于多概率融合的致病基因预测数学模型。还有一种是使用过滤函数的回归分析预测,通过观察网络和概率模型数据,总结数据规律,加入生物学假设,使用过滤函数融合回归分析进行候选基因的排序。基于多概率融合的预测模型通过综合利用联合概率、中心概率和外形概率,在多个层面上反映了表型相似性与蛋白质相互作用之间的关联规律,与传统的基于单一概率的模型相比,该数学模型更好地反映了生物系统的真实面貌,具有更强的疾病基因预测能力。而另一个使用过滤函数融合回归分析的预测模型,根据合理的生物学假设,反映疾病表型重叠中蕴含的基因关联关系,可以有效的将很多非致病基因排在队列的后面,有效增强了预测方法的效率。

关键词：蛋白质网络疾病基因预测概率模型回归分析

融合蛋白质网络和基因表达数据的关键蛋白质识别方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合蛋白质网络和基因表达数据的关键蛋白质识别方法

作者：张含会中南大学

学位级别：硕士

关键蛋白质是细胞生命活动所必需的蛋白质,是生物体生存和繁殖不可或缺的一部分。关键蛋白质的识别不仅对于生命科学的研究具有重要意义,而且对于疾病诊治和药物设计也具有重要的应用价值。在后基因组时代,随着高通量技术的发展,可获得... 详细信息

关键蛋白质是细胞生命活动所必需的蛋白质,是生物体生存和繁殖不可或缺的一部分。关键蛋白质的识别不仅对于生命科学的研究具有重要意义,而且对于疾病诊治和药物设计也具有重要的应用价值。在后基因组时代,随着高通量技术的发展,可获得的蛋白质相互作用数据日益丰富,基于蛋白质相互作用网络的蛋白质识别方法受到越来越多人的关注。本文的主要研究工作如下：1)深入分析关键蛋白质测度参数DC,BC,CC,SC,EC, IC, BN, DMNC,SoECC和LAC,并将这些测度参数分别应用于酵母蛋白质网络,实验结果表明仅仅依靠蛋白质网络的识别方法对网络的依赖性较强,缺少对于网络噪声(例如假阳性相互作用)的容错能力。2)针对单纯依靠节点中心性测度识别关键蛋白质对于网络可靠性依赖性较大这一问题,本文利用边聚集系数测度节点的共簇程度,利用皮尔逊相关系数测度蛋白质/基因共表达的程度,提出了一种融合蛋白质网络拓扑特性和基因表达数据来识别关键蛋白质的中心性测度参数PeC。基于酵母蛋白质网络的实验结果表明,相较于其他关键蛋白质识别方法,该方法具有较高的准确度。3)考虑到大部分物种已有部分已知关键蛋白质,本文利用部分已知关键蛋白质作为先验知识,通过计算网络中关键性未知的蛋白质与先验知识的亲密程度确定候选关键蛋白质集合,提出利用先验知识和边聚集系数ECC迭代识别关键蛋白质的方法CPPK和利用先验知识和PeC测度参数识别关键蛋白质的方法CEPPK。基于酵母蛋白质网络的实验结果表明,在一定的样本水平内,CPPK和CEPPK具有较好的识别准确度。融合蛋白质网络和基因表达数据的关键蛋白质识别方法为关键蛋白质的识别提供了新思路。

关键词：关键蛋白质蛋白质网络中心性测度基因表达先验知识