蛋白质功能预测的蚁群优化算法

预测蛋白质功能是后基因组时代最具挑战性的问题之一,在大规模数据下采用高性能的功能预测算法能够节省大量的实验时间和成本.利用基于蛋白质相互作用网络的全局优化模型,提出了蛋白质功能预测的蚁群优化算法,算法在考虑全局模型的同时还利用了网络的先验信息,提高了搜索效率,仿真结果表明,蚁群优化算法能够有效对蛋白质功能进行预测,并且对蛋白质相互作用网络中的假阳性、假阴性数据具有较高的容错能力.     

水稻蛋白质相互作用网络的预测与分析

通过同源映射的方法,利用6个模式物种的蛋白质相互作用数据预测水稻的蛋白质相互作用网络.预测到水稻中有4483个蛋白质参与了24942个蛋白质相互作用.通过GO注释,结构域相互作用,基因共表达等3个证据评估预测网络的质量,并对网络进行了拓扑属性分析.结果表明水稻的蛋白质相互作用网络符合scale-free属性.通过对网络中功能模块的分析,可以预测蛋白质的功能和亚细胞定位信息.     

基于结构域理化性质的蛋白质相互作用方向预测

为了更好地理解蛋白质相互作用,用蛋白质相互作用间信号传递方向进一步注释蛋白质相互作用网络,提出了一种基于结构域理化性质预测蛋白质相互作用方向的方法。首先提取蛋白质结构域的10种理化性质,构成表示方向信息的特征向量;然后建立支持向量机预测模型,并利用网格搜索对模型进行参数寻优;最后用拥有最优参数的模型进行预测。实验结果表明,该模型准确率达到88.17%,AUC值为0.837.与PIDS方法比较结果表明,蛋白质结构域的10种理化性质能够有效用于蛋白质相互作用方向的预测,为预测蛋白质相互作用方向提供了一种新思路。     

一种融合多组学数据的关键蛋白质预测算法

关键蛋白质在维持生物体的生理活动中发挥着重要的作用，预测关键蛋白质有助于设计药物分子靶标.随着高通量技术的发展，基于蛋白质相互作用关系数据采用计算方法识别关键蛋白质成为当前的热门研究.研究表明，将蛋白质相互作用网络与其他生物学信息结合起来能够更有效地识别关键蛋白质.因此，本研究提出一种整合蛋白质相互作用数据、基因本体注释信息、蛋白质亚细胞定位信息及蛋白质结构域信息的识别关键蛋白质的新方法TGSD.为了评估新算法的有效性，选取4组常用的酵母测试数据集进行仿真实验，详细比较TGSD方法与其他7种经典方法的识别效果.数值结果显示，TGSD在预测正确关键蛋白质数目和准确率等统计指标上明显优于其他算法.     

基于多特征融合预测蛋白质相互作用界面

为高效准确地预测蛋白质相互作用界面,提取了传统特征,并采用多种方法改进进化信息特征,利用特征选择构建了一个14维的预测模型.通过5折交叉验证和独立测试,预测结果表明:该预测模型不仅显著降低特征维度,而且选择的特征组合具有较好的预测能力和较强的泛化能力.     

基于最短路径的关键蛋白质识别研究

关键蛋白质的识别有助于从系统水平上理解生命活动过程,基于蛋白质相互作用网络拓扑特征的关键蛋白质识别可以有效地提高识别精度和速度.通过蛋白质节点的最短路径数和点介数可以作为衡量其节点中心度的方法,但计算速度和计算规模有限.根据所预测蛋白质相互作用网络的特点,提出了基于最短路径技术的关键蛋白质识别方法,选择合理的识别阈值和...     

基于关联规则挖掘的蛋白质相互作用的预测

利用蛋白质的一级结构信息,采用三肽频数方法刻画蛋白质序列,将关联规则(association rule,AR)挖掘应用于蛋白质相互作用(protein-protein interactions,PPIs)的预测.计算结果表明,提出的方法在半胱氨酸不同分类的情况下都能够准确地预测蛋白质相互作用.最后,比较半胱氨酸的不同分类对预测结果的影响.     

应用改进的共鸣识别模型预测蛋白质相互作用

蛋白质是所有生命活动的载体,它们之间的相互作用在生命活动中起着至关重要的作用.该文介绍了原有的用于预测蛋白质相互作用的共鸣识别模型,并对该模型运用小波变换进行改进,提出了改进后的共鸣识别模型.该模型的最大特点在于直接通过蛋白质的一级结构预测蛋白质之间的相互作用,改进后的模型较原模型更加适合于蛋白质相互作用的预测.运用改进的共鸣识别模型进行了数值试验,取得了较好的预测效果.     

基于模体中心结构的蛋白质复合物识别算法

基于蛋白质相互作用的网络有明显模块化特征, 其对预测蛋白质功能、解释特定的生物进程具有重要作用, 网络模体是复杂网络演化的 重要拓扑结构, 其代表了复杂系统中的重要功能单元, 具有进化保守性的特性, 提出一种新的基于网络模体为核心节点组的蛋白质复合物识别算法. 该算法根据蛋白质相互作用网络的拓扑特性, 将模体作为蛋白质复合物的中心结构体, 并基于中心结构体进行二层节点扩充, 能准确有效地识别蛋白质复合物. 并且将复合物二维网络进行三维转化, 从而更直观清晰地展示复合物的结构体特征. 实验结果验证了该算法的有效性及可行性.     

蛋白质二级结构预测中的简化编码技术

神经网络用于蛋白质二级结构预测时，通常氨基酸序列采用正交二进制编码。基于不同残基间的物理化学性质，提出了简化的编码技术，并与其他蛋白质二级结构预测的方法进行了比较。实施结果表明：这种方法更充分地利用了蛋白质一级结构的信息，有较好的效果。     

基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究进展

蛋白质相互作用网络中的模块化结构通常对应于蛋白质复合物或者蛋白质功能模块。基于蛋白质相互作用网络预测蛋白质复合物和功能模块不仅有助于理解生命有机体的细胞生物过程,而且可为探讨疾病的发生、发展和治疗以及合理的药物开发提供重要的基础。本文通过回顾近二十年来基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究的发展历程,按照静态蛋白质相互作用网络(SPIN)和动态蛋白质相互作用网络(DPIN)两个方向分别梳理预测算法所涉及的方法和技术,同时归纳常用的数据集并分析所面临的问题,为进一步研究提供有价值的参考。     

基于概率模糊逻辑的蛋白质信号网络推断方法

提出了一种基于概率模糊逻辑来推断蛋白质信号网络的建模方法,能够同时处理蛋白质信号网络中的随机性和模糊性.采用概率模糊规则建立蛋白质之间的因果关系参数模型,并利用模糊后件分布函数族的差异程度来度量因果关系的强度,进而推断蛋白质之间的因果关系.在模拟数据和人体T细胞实验数据集上的测试结果表明,该方法为蛋白质信号网络建模提供了一种有效的方法.     

蛋白质相互作用时序网络模型及动态性质分析

蛋白质相互作用研究是理解细胞活性功能和进化机制的重要手段.现有蛋白质相互作用模型多为静态网络,无法有效描述蛋白质相互作用的动态特性.通过综合时序生物信息数据和静态蛋白质相互作用网络数据,生成蛋白质相互作用时序网络.在此基础上,研究了时序网络中节点活跃性、层与层相关性、Hub节点等性质.实验结果表明,时序网络比静态网络更适合蛋白质相互作用动态性质分析.     

基于混合核函数SVM的蛋白质相互作用预测方法

针对蛋白质相互作用的预测问题,提出一种以余弦核和线性差值累加核为基核的对偶混合核函数SVM的蛋白质相互作用预测方法.该方法充分考虑了蛋白质的结构域特征,同时根据蛋白质相互作用数据应具有顺序无关的特点,将"对偶"思想引入SVM核函数中.对两个真实的蛋白质相互作用数据集Yeast PPI和Human PPI的测试结果表明,提出的方法与其它方法相比能够有效地提高蛋白质相互作用预测的准确率.     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

一种预测判断蛋白质与DNA相互作用位点的新方法

蛋白质-DNA相互作用位点在各类生理生化反应中扮演重要角色.本论文旨在构建一种可以准确预测“相互作用位点”的方法：PdDNA，其内容主要包括支持向量机和序列匹配器.支持向量机通过提取相互作用位点中心残基的特征进行训练并分类，序列匹配器则通过蛋白质特征矩阵（PSSM）对氨基酸序列进行相关性评估，对二者结果进行归一化整合，得到最终的预测结果.利用公开数据集PDNA_62，我们的PdDNA预测准确率为86.87%.为进一步验证PdDNA可靠性，我们还自建了PDNA_224数据集，其预测准确率为83.07%，处于较高水平.因此PdDNA是一种有效的“蛋白质-DNA相互作用位点”预测方法.     

基于复合物结构和网络拓扑特性的关键蛋白质识别算法

关键蛋白质的识别有助于从分子水平上理解生命的活动过程,然而仅从拓扑特性角度来识别的关键蛋白质不够精准,因此为了提高识别准确率,结合复合物信息提出了确定蛋白质关键性的指标模型EIC,该模型是基于蛋白质复合物内的局部中心性特性以及网络的全局信息特性来考虑.使用DIP和MIPS两种蛋白质相互作用(PPI)网络作为实验数据集,...     

异质网络中融合多类信息的链路情感倾向预测

信息网络中基于节点间情感关系分析的链路情感倾向预测在商业营销、内容推荐等领域应用广泛，是网络分析的一个研究重点.传统的链路情感倾向预测方法对于数据信息的挖掘不够充分，忽略了对数据深层语义以及节点属性等信息的利用，预测准确度有待提升.针对以上问题，提出了异质网络中融合多种类型信息的链路情感倾向预测模型.模型首先引入预测基值作为特定节点间情感关系的粗略评估，然后结合节点的相似关系以及节点的属性等信息完成预测.其中，在捕获网络中具有相似情感倾向的节点用于预测任务时，提出了一种基于限制路径类型元路径的遍历游走方法.在5个公共数据集上的实验结果验证了所提模型的有效性及对于稀疏矩阵、冷启动问题的处理能力，并揭示了模型各组成部分在预测过程中的作用.     

基于分子网络的癌症基因与非癌症基因的差异性分析

研究人类蛋白质相互作用网络中,癌症基因和非癌症基因在拓扑结构上的差异性,进而为潜在的癌症基因挖掘提供重要依据。首先利用多个数据库,构建一个较为全面的人类蛋白质相互作用(protein-protein interaction,PPI)网络,并搜集已知癌症基因;然后从PPI网络中抽取大量随机样本,并分别统计分析随机样本和已知癌症基因在节点度、节点介数和最大连接组件上的差异程度。得到了如下结果:(1)构建了一个较为全面的人类蛋白质相互作用网络;(2)获得乳腺癌已知癌症基因集;(3)已知癌症基因集和PPI网络随机样本在节点度、节点介数以及最大连接组件等拓扑结构属性上差异有显著性(P<2.2×10-16)。PPI网络的节点度、节点介数和最大连接组件等拓扑结构属性能够显著地区分癌症基因与非癌症相关基因,为新的未知癌症基因的发掘提供了重要考察依据。     

基于双层生物模块网络的致病基因预测

为提高致病基因预测的准确性,提出了一种结合多种生物组合数据的生物分子网络构建方法。利用蛋白质相互作用网络、蛋白质复合物和代谢通路构建双层生物模块网络,并设计一种新型异构图神经网络。实验结果表明,与基于蛋白质相互作用组学数据构建生物分子网络的经典方法相比,本方法的AUC和F1分数提高了约1.5%和3.7%。