基于多源生物學(xué)數(shù)據(jù)的蛋白質(zhì)復(fù)合物與功能模塊識(shí)別算法研究
【文章頁(yè)數(shù)】:109 頁(yè)
【學(xué)位級(jí)別】:博士
【部分圖文】:
圖3-1給定歸一化兩兩共表達(dá)模式組的兩種情形圖3-1(a)顯示3個(gè)表達(dá)模式f1(t)、f2(t)和f3(t)兩兩共表達(dá),但由于f1(t)f2(t)f3(t)=0,所
華南理工大學(xué)博士學(xué)位論文24皮爾森相關(guān)系數(shù)(Pearsoncorrelationcoefficient,pcc)可用于描述兩個(gè)基因表達(dá)模式的相似度。設(shè)定兩個(gè)基因表達(dá)模式x={x(t)|t=1,…,T}和y={y(t)|t=1,…,T},它們的相似度pcc(x,y)計(jì)算如下[112....
圖3-2算法ICJointLE處理流程
華南理工大學(xué)博士學(xué)位論文30算法ICJointLE基于核心-附件結(jié)構(gòu),采用種子擴(kuò)展策略,從靜態(tài)蛋白質(zhì)交互作用網(wǎng)絡(luò)中,識(shí)別出具有聯(lián)合共定位、聯(lián)合共表達(dá)特征的蛋白質(zhì)復(fù)合物,其主要過(guò)程包括3個(gè)階段:蛋白質(zhì)核心挖掘、附件蛋白質(zhì)添加和候選蛋白質(zhì)復(fù)合物篩眩下面分別闡述算法ICJointLE各....
圖3-3不同閾值r和colocalization參數(shù)不同設(shè)置時(shí)的#PM×FAM值
E識(shí)別復(fù)合物的過(guò)程。最后,將算法ICJointLE和其他已有的代表性算法進(jìn)行實(shí)驗(yàn)性能對(duì)比分析。通過(guò)對(duì)測(cè)試的實(shí)驗(yàn)結(jié)果分析,我們發(fā)現(xiàn)一個(gè)蛋白質(zhì)核心的r可靠密度隨著核心蛋白質(zhì)數(shù)增加而下降。于是,本文采用ρ=e-μc作為r可靠密度閾值,其中c是核心的蛋白質(zhì)數(shù),而密度衰減系數(shù)μ用于控制ρ隨....
圖3-5算法ICJointLE通過(guò)播種YOR281
華南理工大學(xué)博士學(xué)位論文38stage1stage2PCNled(PC)PCN(PC)圖3-5算法ICJointLE通過(guò)播種YOR281C識(shí)別僅含一個(gè)蛋白質(zhì)的復(fù)合物的過(guò)程如圖3-5所示,在步驟stage1,通過(guò)播種YOR281C,算法ICJointLE將蛋白質(zhì)YOR281C添加進(jìn)....
本文編號(hào):3997085
本文鏈接:http://sikaile.net/kejilunwen/yysx/3997085.html