融合PPI网络和基因表达的复合物识别算法

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.     

RTF格式在基于Intranet的公文系统中的运用

以Ｂｒｏｗｓｅ／Ｓｅｒｖｅｒ模式及面向对象编程技术为基础,本文对一个用Ｊａｖａ开发基于Ｉｎｔｒａｎｅｔ技术的公文系统及其存储格式ＲＴＦ进行阐述     

融合PPI和基因表达数据的关键蛋白质识别方法

提出一种新的融合了基因表达数据和PPI网络的拓扑特性来识别关键蛋白质的中心性测度PeC.对于网络中的每一条边,PeC首先计算该边的聚集系数和该边相连的2个基因(蛋白质)共表达的皮尔逊相关系数,并在此基础上进一步计算出该边的权值.网络中每个节点的PeC值即为其所连接的所有边的权值之和.基于酵母PPI网络上的实验结果表明,PeC明显优于其他8种中心性拓扑参数DC,BC,CC,SC,EC,IC,LAC和SoECC;特别地,在预测的蛋白质数量不大于总数量的10％的情况下,PeC的预测准确率相对于SC,CC和EC提高20％以上.     

基于图形旋转系统的渐进网格研究

拓扑简化可以为渐进网格带来更好的效果，但目前几乎所有的渐进网格方法都不支持拓扑简化，而且edge collapse和vertex split操作有时会产生非流形．针对这些问题，提出了基于图形旋转系统的渐进网格法．以基于图形旋转系统的数据结构和操作实现了渐进网格，用图形旋转系统的操作集合构建了edge collapse和vertex split操作．在此基础上，通过扩展新操作即可进行任意拓扑变化，从而实现拓扑简化，     

融合PPI网络和基因表达的复合物识别算法

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.     

二维流形图形建模系统完备操作集研究

针对目前大多数二维流形建模系统不能保证二维流形结构的问题,如欧拉操作会产生非二维流形网格结构,通过对基于网格结构的二维流形建模系统中的各种数据结构及非流形和流形结构的研究,提出了一套新的基于图形旋转系统的完备的网格建模操作.与现有二维流形建模系统中的数据结构和网格建模操作相比,新提出的数据结构和网格建模操作更加直观有效并更方便用户使用.