隨著生物信息學(xué)的不斷發(fā)展,蛋白質(zhì)復(fù)合物的研究對(duì)探索細(xì)胞與生命的奧秘有著重要意義。傳統(tǒng)的基于生物實(shí)驗(yàn)的復(fù)合物檢測(cè)方法存在著諸多缺點(diǎn)。近年來,隨著高通量技術(shù)的發(fā)展,基于計(jì)算的蛋白質(zhì)復(fù)合物預(yù)測(cè)方法逐漸成為主流。現(xiàn)有基于計(jì)算的蛋白質(zhì)復(fù)合物預(yù)測(cè)方法通常采用傳統(tǒng)的聚類算法對(duì)蛋白質(zhì)相互作用（PPI）網(wǎng)絡(luò)進(jìn)行分析。但是由于網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性,這種直接分析的方式并不能充分利用網(wǎng)絡(luò)中包含的信息。網(wǎng)絡(luò)嵌入作為一種新型的數(shù)據(jù)預(yù)處理方法,可以有效地提取網(wǎng)絡(luò)信息,從而提高分析的質(zhì)量。因此,本文提出了一種基于深度網(wǎng)絡(luò)嵌入的新型復(fù)合物預(yù)測(cè)方法（DANE）。該方法首先利用深度自編碼器對(duì)網(wǎng)絡(luò)信息進(jìn)行提取,并在網(wǎng)絡(luò)結(jié)構(gòu)信息的基礎(chǔ)上添加了生物功能信息作為補(bǔ)充,得到節(jié)點(diǎn)的向量表示。之后利用基于核心-附屬結(jié)構(gòu)的極大團(tuán)挖掘算法對(duì)節(jié)點(diǎn)進(jìn)行聚類,從而得到最終的蛋白質(zhì)復(fù)合物預(yù)測(cè)。該方法使用的深度自編碼器框架可以有效地提取網(wǎng)絡(luò)中的非線性信息,同時(shí)過濾了數(shù)據(jù)中包含的噪聲干擾。在DANE方法的基礎(chǔ)上,本文重點(diǎn)關(guān)注了網(wǎng)絡(luò)的全局結(jié)構(gòu)信息,提出了基于鄰居相似性網(wǎng)絡(luò)嵌入的復(fù)合物預(yù)測(cè)方法（NANE）。該方法利用規(guī)范性指標(biāo)計(jì)算出節(jié)點(diǎn)鄰居結(jié)構(gòu)的相似度,并以此... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 蛋白質(zhì)復(fù)合物預(yù)測(cè)概述
    1.2 基于計(jì)算的蛋白質(zhì)復(fù)合物預(yù)測(cè)方法
        1.2.1 基于網(wǎng)絡(luò)結(jié)構(gòu)信息聚類的方法
        1.2.2 結(jié)合生物信息聚類的方法
    1.3 本文的研究動(dòng)機(jī)與主要貢獻(xiàn)
    1.4 本文的組織結(jié)構(gòu)
2 相關(guān)技術(shù)
    2.1 網(wǎng)絡(luò)嵌入
        2.1.1 基本概念
        2.1.2 基于網(wǎng)絡(luò)結(jié)構(gòu)的網(wǎng)絡(luò)嵌入方法
        2.1.3 使用附加信息的網(wǎng)絡(luò)嵌入方法
    2.2 深度學(xué)習(xí)
        2.2.1 深度學(xué)習(xí)的發(fā)展
        2.2.2 自編碼器簡(jiǎn)介
    2.3 本章小結(jié)
3 基于深度網(wǎng)絡(luò)嵌入的復(fù)合物預(yù)測(cè)方法
    3.1 方法流程
    3.2 基于屬性網(wǎng)絡(luò)的嵌入過程
        3.2.1 提取網(wǎng)絡(luò)結(jié)構(gòu)信息
        3.2.2 提取節(jié)點(diǎn)屬性信息
        3.2.3 避免過擬合
    3.3 基于核心-附屬結(jié)構(gòu)的聚類過程
        3.3.1 復(fù)合物核心挖掘
        3.3.2 附屬蛋白質(zhì)添加
    3.4 實(shí)驗(yàn)驗(yàn)證
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        3.4.3 性能評(píng)估
        3.4.4 生物意義評(píng)估
        3.4.5 參數(shù)調(diào)研
    3.5 本章小結(jié)
4 基于鄰居相似性網(wǎng)絡(luò)嵌入的復(fù)合物預(yù)測(cè)方法
    4.1 方法流程
    4.2 基于鄰居相似性的嵌入過程
        4.2.1 提取節(jié)點(diǎn)屬性信息
        4.2.2 提取局部結(jié)構(gòu)信息
        4.2.3 提取全局結(jié)構(gòu)信息
        4.2.4 避免過擬合
    4.3 基于Kose算法的聚類過程
        4.3.1 利用Kose算法挖掘核心蛋白質(zhì)團(tuán)
        4.3.2 基于連接系數(shù)添加附屬蛋白質(zhì)
    4.4 實(shí)驗(yàn)驗(yàn)證
        4.4.1 實(shí)驗(yàn)條件
        4.4.2 性能評(píng)估
        4.4.3 生物意義評(píng)估
        4.4.4 參數(shù)調(diào)研
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法的蛋白質(zhì)復(fù)合物識(shí)別算法[J]. 鄭文萍,李晉玉,王杰.  計(jì)算機(jī)科學(xué)與探索. 2018(05)
[2]基于關(guān)鍵功能模塊挖掘的蛋白質(zhì)功能預(yù)測(cè)[J]. 趙碧海,李學(xué)勇,胡賽,張帆,田清龍,楊品紅,劉臻.  自動(dòng)化學(xué)報(bào). 2018(01)



本文編號(hào)：3250673