系统工程理论与实践
繫統工程理論與實踐
계통공정이론여실천
SYSTEMS ENGINEERING--THEORY & PRACTICE
2014年
2期
437-443
,共7页
系统生物学%蛋白质相互作用网络%蛋白质复合物%基因表达数据
繫統生物學%蛋白質相互作用網絡%蛋白質複閤物%基因錶達數據
계통생물학%단백질상호작용망락%단백질복합물%기인표체수거
system biology%protein-protein interaction network%protein complexes%gene expression data
从大规模相互作用网络中识别蛋白质复合物,对解释特定的生物进程和预测蛋白质功能具有重要作用,同时也是后基因组时代一个最重要的研究课题.考虑到传统仅基于蛋白质相互作用网络(PPI网络)的蛋白质复合物识别算法可靠性不高,本文提出了一种新的融合PPI网络和基因表达数据的蛋白质复合物识别算法IPCIPG.区别于之前用基因表达数据评估PPI网络可靠性的做法,本文提出在蛋白质复合物的识别过程中将PPI网络和基因表达数据有机地结合起来.算法IPCIPG首先根据边聚集系数(ECC)与蛋白质间共表达的相关性(PCC)计算PPI网络中每个节点的权重,权重最大的节点作为种子,然后从种子节点开始扩充生成稠密子图.基于酵母数据集的实验结果表明,算法IPCIPG较其他算法HUNTER,HC-PIN,CMC,SPICI,MOCDE,MCL能够更准确,更有效地识别出具有特定生物意义的蛋白质复合物.
從大規模相互作用網絡中識彆蛋白質複閤物,對解釋特定的生物進程和預測蛋白質功能具有重要作用,同時也是後基因組時代一箇最重要的研究課題.攷慮到傳統僅基于蛋白質相互作用網絡(PPI網絡)的蛋白質複閤物識彆算法可靠性不高,本文提齣瞭一種新的融閤PPI網絡和基因錶達數據的蛋白質複閤物識彆算法IPCIPG.區彆于之前用基因錶達數據評估PPI網絡可靠性的做法,本文提齣在蛋白質複閤物的識彆過程中將PPI網絡和基因錶達數據有機地結閤起來.算法IPCIPG首先根據邊聚集繫數(ECC)與蛋白質間共錶達的相關性(PCC)計算PPI網絡中每箇節點的權重,權重最大的節點作為種子,然後從種子節點開始擴充生成稠密子圖.基于酵母數據集的實驗結果錶明,算法IPCIPG較其他算法HUNTER,HC-PIN,CMC,SPICI,MOCDE,MCL能夠更準確,更有效地識彆齣具有特定生物意義的蛋白質複閤物.
종대규모상호작용망락중식별단백질복합물,대해석특정적생물진정화예측단백질공능구유중요작용,동시야시후기인조시대일개최중요적연구과제.고필도전통부기우단백질상호작용망락(PPI망락)적단백질복합물식별산법가고성불고,본문제출료일충신적융합PPI망락화기인표체수거적단백질복합물식별산법IPCIPG.구별우지전용기인표체수거평고PPI망락가고성적주법,본문제출재단백질복합물적식별과정중장PPI망락화기인표체수거유궤지결합기래.산법IPCIPG수선근거변취집계수(ECC)여단백질간공표체적상관성(PCC)계산PPI망락중매개절점적권중,권중최대적절점작위충자,연후종충자절점개시확충생성주밀자도.기우효모수거집적실험결과표명,산법IPCIPG교기타산법HUNTER,HC-PIN,CMC,SPICI,MOCDE,MCL능구경준학,경유효지식별출구유특정생물의의적단백질복합물.
