基于時序網絡的蛋白質復合物挖掘與疾病基因預測研究.pdf

1、生物網絡模塊化結構識別和人類疾病基因預測在生物信息學領域具有重要研究價值。本文從蛋白質相互作用網絡的拓撲特征出發(fā)，認為網絡中節(jié)點的模塊歸屬性可以由它的周圍鄰居節(jié)點的緊密程度來界定。據此設計新的復合物識別算法，然后將該算法應用到人類蛋白質功能模塊劃分，通過對候選疾病基因進行排序預測疾病基因。具體而言，本文開展了以下研究工作:
　　(1)蛋白質相互作用網絡是一種復雜網絡。受復雜社交網絡形成規(guī)律和關鍵節(jié)點識別思想的啟發(fā)，本文通過分析網絡

2、節(jié)點的鄰居節(jié)點的關聯(lián)緊密程度，提出一種新的在動態(tài)蛋白質網絡上挖掘蛋白質復合物的新方法NC-TDPINs(NeighborCloseness base on Transient Dynamic Protein Interaction Networks)。在NC-TDPINs算法中，首先以聚集系數較大的節(jié)點及其鄰居作為初始模塊核，然后采用基于鄰居節(jié)點緊密度的劃分策略來逐步進行核擴展，節(jié)點的歸屬性可以由分布在不同局部子圖中的鄰居節(jié)點的緊密程度

3、來決定，從而實現(xiàn)蛋白質復合物識別。和其它經典算法相比，NC-TDPINs能夠識別出更多具有生物意義的蛋白質復合物，同時準確性也優(yōu)于其他方法。
　　(2)復雜疾病的發(fā)生與發(fā)展通常涉及眾多基因突變、表達調控紊亂等因素，這些基因相互之間表現(xiàn)出一定的模塊性。本文根據“guilt-by-association”假設，從疾病表型與基因集合關系的角度出發(fā)，首先在蛋白質相互作用網絡基礎上構建模塊相互作用網絡，采用Mpagerank(Modules