本文選題：結(jié)構(gòu)域相互作用網(wǎng)絡(luò)　切入點(diǎn)：頭腦風(fēng)暴策略　出處：《華中師范大學(xué)》2016年碩士論文

【摘要】：蛋白質(zhì)及其相互作用在各種生命活動(dòng)中起著至關(guān)重要的作用。復(fù)雜的蛋白質(zhì)相互作用網(wǎng)絡(luò)中包含著許多具有研究?jī)r(jià)值的信息,亟待有效的方法對(duì)其進(jìn)行深入分析與挖掘。結(jié)構(gòu)域作為蛋白質(zhì)中重要的空間結(jié)構(gòu)層次,提供了不可或缺的重要生物信息。本文提出了一種基于智能優(yōu)化思想的蛋白質(zhì)復(fù)合物識(shí)別算法,并且結(jié)合蛋白質(zhì)結(jié)構(gòu)域相互作用網(wǎng)絡(luò)對(duì)疾病基因進(jìn)行了預(yù)測(cè)。針對(duì)蛋白質(zhì)相互作用網(wǎng)絡(luò)(PPI)拓?fù)浣Y(jié)構(gòu)的局限性與偏好性,本文結(jié)合結(jié)構(gòu)域和拓?fù)浣Y(jié)構(gòu)信息對(duì)PPI網(wǎng)絡(luò)進(jìn)行了重新構(gòu)建。通過與基于拓?fù)浣Y(jié)構(gòu)的PPI網(wǎng)絡(luò)和結(jié)合GO注釋構(gòu)建的PPI網(wǎng)絡(luò)進(jìn)行比較以驗(yàn)證添加結(jié)構(gòu)域信息后的混合結(jié)構(gòu)的PPI網(wǎng)絡(luò)有效性�；谌褐悄軆�(yōu)化中的頭腦風(fēng)暴策略,提出了一種蛋白質(zhì)復(fù)合物識(shí)別算法——IPC-BSS(Identifying Protein Complexes based on Brain Storming Strategy)。IPC-BSS算法模仿人類頭腦風(fēng)暴的討論過程,設(shè)計(jì)了使蛋白質(zhì)節(jié)點(diǎn)可以在不同蛋白質(zhì)復(fù)合物之間遷移,以及相互之間聯(lián)系緊密的蛋白質(zhì)復(fù)合物可以進(jìn)行融合的兩種更新策略,以得到更優(yōu)的蛋白質(zhì)復(fù)合物。該算法有效克服了在早期被錯(cuò)誤劃分的蛋白質(zhì)節(jié)點(diǎn)難以糾正的缺陷。實(shí)驗(yàn)結(jié)果表明,與其它經(jīng)典蛋白質(zhì)復(fù)合物識(shí)別算法相比,IPC-BSS算法有較好的F-measure值,能有效識(shí)別具有生物學(xué)意義的蛋白質(zhì)復(fù)合物,并能完全識(shí)別一些規(guī)模較大的蛋白質(zhì)復(fù)合物。蛋白質(zhì)結(jié)構(gòu)域之間會(huì)存在一定地聯(lián)系,形成結(jié)構(gòu)域相互作用網(wǎng)絡(luò),它從空間結(jié)構(gòu)層次上解釋了蛋白質(zhì)之間的相互作用,本文將結(jié)構(gòu)域相互網(wǎng)絡(luò)作為蛋白質(zhì)相互作用網(wǎng)絡(luò)與疾病相似性網(wǎng)絡(luò)的橋梁,融合多層異構(gòu)網(wǎng)絡(luò)的信息,提出了非平衡三隨機(jī)游走算法——UThrRW(Unbalanced Three Random Walk)。UThrRW算法不僅挖掘了網(wǎng)絡(luò)內(nèi)的信息,同時(shí)也利用了網(wǎng)絡(luò)之間隱藏的生物信息,結(jié)構(gòu)域相互作用網(wǎng)絡(luò)會(huì)增強(qiáng)蛋白質(zhì)相互作用與疾病相似性網(wǎng)絡(luò)間的聯(lián)系,從而提高算法的預(yù)測(cè)效果。實(shí)驗(yàn)結(jié)果表明,UThrRW算法預(yù)測(cè)疾病基因的效果優(yōu)于經(jīng)典的RWR算法、BiRW_b1算法和UBiRW算法。
[Abstract]:Proteins and their interactions play a vital role in a variety of life activities. Complex protein interaction networks contain a lot of valuable information. It needs to be analyzed and excavated by effective methods. Domain is an important spatial structure level in protein. This paper presents a protein complex recognition algorithm based on intelligent optimization. The disease gene was predicted by protein domain interaction network. The limitation and preference of PPI topological structure of protein interaction network were analyzed. This paper reconstructs PPI network with domain and topology information, and compares it with PPI network based on topology structure and PPI network based on go annotation to verify the mixed junction after adding domain information. Based on brainstorming strategy in swarm intelligence optimization, In this paper, a protein complex recognition algorithm, IPC-BSS identification Protein Complexes based on Brain Storming Strategy).IPC-BSS algorithm, is proposed to mimic the human brainstorming process, and the protein nodes are designed to migrate between different protein complexes. And two strategies for fusion of closely connected protein complexes, In order to obtain a better protein complex, the algorithm overcomes the defects of the protein nodes that were misdivided in the early stage. The experimental results show that the IPC-BSS algorithm has a better F-measure value than other classical protein complex recognition algorithms. It can effectively recognize protein complexes with biological significance, and can fully recognize some large scale protein complexes. There will be some relationship between protein domains and form a domain interaction network. It explains the interaction between proteins from the spatial structure level. In this paper, the domain interaction network is used as a bridge between the protein interaction network and the disease similarity network, and the information of the multilayer heterogeneous network is fused. A non-equilibrium three-random walk algorithm, UThrRWbalanced Three Random Walk).UThrRW algorithm, is proposed, which not only exploits the information in the network, but also uses the hidden biological information between the networks. Domain interaction networks enhance the relationship between protein interactions and disease similarity networks. The experimental results show that UThrRW algorithm is better than the classical RWR algorithms in predicting disease genes, such as BiRW _ Stub1 algorithm and UBiRW algorithm.
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：Q51;Q811.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉彬彬;李敏;王建新;段桂華;;基于團(tuán)滲透和距離限制的蛋白質(zhì)復(fù)合物識(shí)別算法[J];系統(tǒng)工程理論與實(shí)踐;2012年02期

2 黃新;;一種基于極大團(tuán)擴(kuò)展的蛋白質(zhì)復(fù)合物識(shí)別算法[J];飼料工業(yè);2012年13期

3 王可玢,趙福洪,許春輝;不同葉齡黃瓜葉片葉綠素蛋白質(zhì)復(fù)合物組分的比較研究[J];植物學(xué)通報(bào);1989年04期

4 湯海旭,陳潔,丁達(dá)夫;蛋白質(zhì)復(fù)合物結(jié)合自由能的預(yù)測(cè)(英文)[J];生物化學(xué)與生物物理學(xué)報(bào);1998年02期

5 楊丹慧;許春輝;王可玢;戴云玲;;鎘離子對(duì)菠菜葉綠體色素蛋白質(zhì)復(fù)合物及激發(fā)能分配的影響[J];Journal of Integrative Plant Biology;1990年03期

6 胡偉;湯�，|;;一種新的基于多數(shù)據(jù)源的蛋白質(zhì)復(fù)合物識(shí)別算法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2014年04期

7 湯�，|;王建新;胡秋玲;;蛋白質(zhì)復(fù)合物預(yù)測(cè)方法分析與比較[J];計(jì)算機(jī)應(yīng)用研究;2011年10期

8 儲(chǔ)鐘稀,牟夢(mèng)華,邵宏翔,王鳳珍;鈰對(duì)黃瓜葉綠體葉綠素蛋白質(zhì)復(fù)合物形成的影響[J];植物學(xué)報(bào);1994年10期

9 王可玢,婁世慶,趙福洪,戴云玲,匡廷云;長(zhǎng)期二氧化碳倍增對(duì)大豆、谷子葉片的葉綠素蛋白質(zhì)復(fù)合物的影響[J];科學(xué)通報(bào);1997年11期

10 李愛芬,陳敏,周百成;褐藻色素-蛋白質(zhì)復(fù)合物PAGE分離研究[J];煙臺(tái)大學(xué)學(xué)報(bào)(自然科學(xué)與工程版);1999年03期

相關(guān)會(huì)議論文 前6條

1 蔣思婧;馬立新;陳煥春;;表達(dá)蛋白質(zhì)復(fù)合物的偽狂犬病毒系統(tǒng)的建立[A];中國(guó)蛋白質(zhì)組學(xué)第三屆學(xué)術(shù)大會(huì)論文摘要[C];2005年

2 汪文俊;王廣策;馬圣媛;孫海寶;曾呈奎;;條斑紫菜類囊體膜的分離以及色素-蛋白質(zhì)復(fù)合物的分離以及特性的初步研究[A];中國(guó)藻類學(xué)會(huì)第十一次學(xué)術(shù)討論會(huì)論文摘要集[C];2001年

3 汪文俊;王廣策;馬圣媛;劉洪艷;孟斌;燙曉榮;孫海寶;曾呈奎;;條斑紫菜類囊體膜的分離以及色素-蛋白質(zhì)復(fù)合物的分離以及特性的初步研究[A];中國(guó)科學(xué)院海洋科學(xué)青年學(xué)術(shù)研討會(huì)暨2001年海洋湖沼科學(xué)青年學(xué)者論壇論文摘要集[C];2001年

4 都建;秦宜德;姚雪彪;;一個(gè)新的與CENP-E結(jié)合的動(dòng)點(diǎn)蛋白CENP-V的發(fā)現(xiàn)與功能研究[A];華東六省一市生物化學(xué)與分子生物學(xué)會(huì)2010年學(xué)術(shù)交流會(huì)論文集[C];2010年

5 邵錦震;張宇博;丁毅;;水稻類囊體膜蛋白質(zhì)復(fù)合物的BN/SDS-PAGE分離與蛋白質(zhì)組學(xué)研究[A];中國(guó)遺傳學(xué)會(huì)第八次代表大會(huì)暨學(xué)術(shù)討論會(huì)論文摘要匯編（2004-2008）[C];2008年

6 唐淳;;極弱蛋白質(zhì)瞬態(tài)復(fù)合體與磷酸信號(hào)轉(zhuǎn)導(dǎo)[A];中國(guó)生物化學(xué)與分子生物學(xué)會(huì)第十一次會(huì)員代表大會(huì)暨2014年全國(guó)學(xué)術(shù)會(huì)議論文集——專題報(bào)告一[C];2014年

相關(guān)博士學(xué)位論文 前6條

1 張偉;病毒誘導(dǎo)的先天免疫信號(hào)網(wǎng)絡(luò)的數(shù)學(xué)建模和蛋白質(zhì)復(fù)合物識(shí)別[D];武漢大學(xué);2014年

2 任峻;蛋白質(zhì)網(wǎng)絡(luò)中復(fù)合物的挖掘與應(yīng)用研究[D];中南大學(xué);2013年

3 潘建義;大腸埃希氏菌蛋白質(zhì)復(fù)合物組的鑒定分析及重要復(fù)合物的功能研究[D];廈門大學(xué);2008年

4 徐博;基于蛋白質(zhì)關(guān)系網(wǎng)絡(luò)的復(fù)合物抽取研究[D];大連理工大學(xué);2014年

5 彭瑋;基于隨機(jī)游走模型的蛋白質(zhì)網(wǎng)絡(luò)研究[D];中南大學(xué);2013年

6 常珊;蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)方法學(xué)研究[D];北京工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 彭小清;動(dòng)態(tài)蛋白質(zhì)網(wǎng)絡(luò)的構(gòu)建和蛋白質(zhì)復(fù)合物識(shí)別研究[D];中南大學(xué);2012年

2 趙艷麗;基于時(shí)序網(wǎng)絡(luò)的蛋白質(zhì)復(fù)合物挖掘與疾病基因預(yù)測(cè)研究[D];華中師范大學(xué);2015年

3 易陽;基于結(jié)構(gòu)域信息的蛋白質(zhì)復(fù)合物識(shí)別與疾病基因預(yù)測(cè)[D];華中師范大學(xué);2016年

4 王丹陽;基于路徑相似性的蛋白質(zhì)復(fù)合物檢測(cè)方法[D];西安電子科技大學(xué);2012年

5 李鵬;基于蛋白質(zhì)親和密度擴(kuò)展的蛋白質(zhì)復(fù)合物挖掘[D];華中師范大學(xué);2014年

6 張海;大鼠神經(jīng)細(xì)胞蛋白質(zhì)復(fù)合物組學(xué)和多肽組學(xué)研究[D];湖南師范大學(xué);2010年

7 武學(xué)鴻;蛋白質(zhì)網(wǎng)絡(luò)的聚類分析方法及評(píng)估[D];中南大學(xué);2013年

8 李燦;基于基因本體的蛋白質(zhì)網(wǎng)絡(luò)中蛋白質(zhì)復(fù)合物識(shí)別算法研究[D];湖南大學(xué);2013年

9 劉女英;Blue native-PAGE分離復(fù)合物方法的建立及其在膜蛋白質(zhì)復(fù)合物鑒定中的應(yīng)用[D];湖南師范大學(xué);2011年

10 劉鵬飛;基于傳播理論的蛋白質(zhì)復(fù)合物挖掘算法研究[D];華中師范大學(xué);2014年

，

本文編號(hào)：1661243