基于隨機游走模型的蛋白質網(wǎng)絡研究.pdf

1、大多數(shù)生命活動都是由多個蛋白質相互作用共同完成的。隨著高通量實驗技術的發(fā)展產生了大量的蛋白質相互作用數(shù)據(jù)。通過構建蛋白質相互作用網(wǎng)絡使得我們能從系統(tǒng)水平來理解分子生物學系統(tǒng)，進而研究分子功能及其相互作用。也為生物進化研究提供了新的視角。本文采用隨機游走模型，結合蛋白質相互作用網(wǎng)絡數(shù)據(jù)和其它生物數(shù)據(jù)，深入研究了關鍵蛋白質識別，蛋白質復合物挖掘，蛋白質功能預測以及保守復合物挖掘幾個問題。
　　提出一種基于PageRank算法的關鍵蛋白

2、預測方法。該方法不僅依據(jù)蛋白質的連通性而且考慮了它們的同源特性以及它們鄰居的特性。該方法首先基于蛋白質的同源性給每個蛋白質賦予一個初始得分。因為關鍵蛋白質具有成簇存在的特性，用邊聚集系數(shù)給網(wǎng)絡中的邊加權。最后反映蛋白質關鍵性的得分是它的同源性得分和鄰居關鍵性得分的線性組合。在基于酵母和大腸桿菌兩個物種數(shù)據(jù)上的實驗結果表明該方法識別關鍵蛋白的性能要高于其它八種現(xiàn)有方法。
　　通過結合蛋白質復合物核心-附件結構以及網(wǎng)絡的全局信息提出了

3、新的方法來識別蛋白質復合物。該方法首先通過賦予鄰居節(jié)點不同的可能性提出了一個加權的PageRank-Nibble算法。然后采用加權的PageRank-Nibble算法來識別網(wǎng)絡中初步的蛋白質復合物。再識別初步的蛋白質復合物中的核心和附件結構從而形成最后預測的蛋白質復合物。在釀酒酵母數(shù)據(jù)上的實驗結果表明該方法識別的蛋白質復合物在準確性和生物顯著性上都要優(yōu)于其它方法。
　　本文首先根據(jù)已知的蛋白質功能注釋信息分析了蛋白質會和它的哪層鄰

4、居共享功能，GO Term會和它的哪層鄰居共同注釋同一個蛋白質。然后采用一個不平衡的雙隨機游走算法在兩個網(wǎng)絡上游走不同的步數(shù)，從而得到蛋白質和GO Term不同層次鄰居的信息來預測蛋白質的功能。基于釀酒酵母數(shù)據(jù)的實驗結果表明該方法的預測性能比其它那些只利用蛋白質相互作用網(wǎng)絡數(shù)據(jù)的方法要好，也比那些考慮蛋白質和GO Term相同層次鄰居的方法性能要好。
　　基于劃分-匹配策略提出了一種新的局部網(wǎng)絡比對方法來挖掘保守蛋白質復合物。該方

5、法首先將蛋白質相互作用網(wǎng)絡劃分成若干子網(wǎng)絡，然后將這些子網(wǎng)絡匹配到另外一個蛋白質相互作用網(wǎng)絡上去，來找到兩者共同的連通模塊。在查找共同的連通模塊的過程中，采用一個寬松的策略。也就是我們在局部擴充一對同源蛋白質時，只要求至少與其中的一個蛋白質在相應的網(wǎng)絡中存在一條長度不超過2的路徑。通過比對酵母和果蠅，人類和果蠅的蛋白質相互作用網(wǎng)絡，實驗結果表明該方法識別的保守蛋白質復合物能更好地匹配已知復合物，而且這些來自不同物種的保守蛋白質復合物在功