基于蛋白質(zhì)網(wǎng)絡(luò)中復(fù)合體的識別方法研究.pdf

1、近年來，伴隨著蛋白質(zhì)組學(xué)和系統(tǒng)生物學(xué)研究的逐步深入，利用蛋白質(zhì)相互作用網(wǎng)絡(luò)識別復(fù)合體逐漸成為生物信息學(xué)的一個研究熱點。高通量大數(shù)據(jù)實驗產(chǎn)生大量蛋白質(zhì)數(shù)據(jù)，其中勢必包含大量假陽性的數(shù)據(jù)，假陽性數(shù)據(jù)定會影響到計算方法搜索復(fù)合體的最終效果。因此，采用計算方法來搜索復(fù)合體之前需要去除假陽性的影響。本課題對蛋白質(zhì)網(wǎng)絡(luò)中相互作用的蛋白質(zhì)進行研究，運用計算聚類方法從中搜索出蛋白質(zhì)復(fù)合體，其中研究的主要要點包括以下兩點:
　　(1)為了減少通過高

2、通量大數(shù)據(jù)實驗發(fā)現(xiàn)的蛋白質(zhì)數(shù)據(jù)中假陽性的影響，從而提升搜索蛋白質(zhì)復(fù)合體識別的精度，本章中提出了一種新的搜索蛋白質(zhì)復(fù)合體的算法:MCLAd。首先，基于蛋白質(zhì)相互作用網(wǎng)絡(luò)拓撲結(jié)構(gòu)的特性，選擇處理網(wǎng)絡(luò)拓撲特性方法AdjstCD對所得到的高通量蛋白質(zhì)相互作用數(shù)據(jù)進行預(yù)處理，減少數(shù)據(jù)的假陽性;其次，再結(jié)合經(jīng)典的MCL聚類算法進行蛋白質(zhì)復(fù)合體的聚類識別;最后，將筆者的算法MCLAd和現(xiàn)有的7種優(yōu)秀方法:MCL，ClusterONE，MCODE，RR

3、W，RNSC，COACH以及CORE算法分別進行了實驗比較。通過大量實驗驗證顯示，本論文所提出來的MCLAd搜索算法具有非常明顯的實驗效果，對搜索蛋白質(zhì)復(fù)合體有非常好的實驗性能。
　　(2)集成ClusterONE，MCL和RRW三種方法的優(yōu)勢，本文提出了一種新的蛋白質(zhì)復(fù)合體搜索算法MCR，并且將MCR分別同MCL，COACH，ClusterONE，MCODE，RRW，RNSC，CORE以及我們所提出的MCLAd方法進行實驗比較。