本文關(guān)鍵詞：面向蛋白質(zhì)網(wǎng)絡(luò)功能模塊檢測的蟻群聚類算法及其并行機制研究，由筆耕文化傳播整理發(fā)布。

【摘要】：蛋白質(zhì)相互作用(Protein-protein interaction,PPI)網(wǎng)絡(luò)是生命有機體內(nèi)一種極其重要的生物分子關(guān)系網(wǎng)絡(luò)。從PPI網(wǎng)絡(luò)中檢測功能模塊是蛋白質(zhì)組學(xué)的一個重要的研究課題,它能夠幫助人們了解細胞的功能和機制,系統(tǒng)地理解各種生物過程。近年來,以機器學(xué)習(xí)和數(shù)據(jù)挖掘為基礎(chǔ)的計算方法成為了蛋白質(zhì)功能模塊檢測的一個有效途徑,新的計算方法不斷地被提出。然而,隨著生物學(xué)研究的深入,可獲取的PPI網(wǎng)絡(luò)數(shù)據(jù)越來越豐富,網(wǎng)絡(luò)規(guī)模越來越大,如何快速準確地從PPI網(wǎng)絡(luò)中檢測功能模塊仍然是當今生物信息學(xué)面臨的一個挑戰(zhàn)性的問題。本課題在深入研究基于蟻群聚類的檢測算法(ACC-FMD)基礎(chǔ)上,開展了如下兩個方面的研究工作:(1)ACC-FMD算法在聚類過程中,需要大量的合并過濾和拾起、放下操作,導(dǎo)致時間性能低下。針對該問題,提出了一種快速融合蛋白質(zhì)基因表達信息的PPI網(wǎng)絡(luò)蟻群聚類算法(FACC-FMD)。首先,利用基因表達信息計算蛋白質(zhì)的關(guān)鍵性,并抽取核心組蛋白質(zhì);然后,根據(jù)蛋白質(zhì)的關(guān)鍵性對蟻群聚類中的拾起、放下操作做了更嚴格的約束,以減少拾起、放下的次數(shù)從而加速聚類的過程。在三個通用PPI網(wǎng)絡(luò)數(shù)據(jù)集上的實驗表明,在時間性能方面,FACC-FMD較ACC-FMD有了大幅度地提高;在檢測質(zhì)量方面,FACC-FMD與ACC-FMD以及近年來的一些經(jīng)典算法相比也具有一定的優(yōu)勢。(2)為了有效地挖掘蟻群聚類算法的并行能力,提出了一種基于Map Reduce并行機制和精英解進化的PPI網(wǎng)絡(luò)蟻群聚類算法(MRACC-FMD)。首先,MRACC-FMD采用Map Reduce計算模型對蟻群聚類算法中多只螞蟻求解的部分進行并行化處理以縮短求解時間;然后,利用多個蟻群同時搜索侯選解空間,并將所有種群中的優(yōu)秀個體放入到精英解進化環(huán)境中以實現(xiàn)種群間的信息交互。該算法不僅利用單種群內(nèi)的解進化,而且借助不同種群間的協(xié)同演化,有效地防止算法陷入局部最優(yōu),從而提高解的全局收斂性。在虛擬集群環(huán)境上的實驗表明,新算法在對大規(guī)模的PPI網(wǎng)絡(luò)上具有良好的時間性能。
【關(guān)鍵詞】：蛋白質(zhì)相互作用網(wǎng)絡(luò) 功能模塊檢測 蟻群聚類算法 基因表達信息 并行算法
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：Q51;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-17
• 1.1 課題研究背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 PPI網(wǎng)絡(luò)功能模塊檢測10-13
• 1.2.2 蟻群聚類算法13-14
• 1.2.3 并行計算技術(shù)14
• 1.3 本文的主要研究內(nèi)容14-15
• 1.4 本文的組織結(jié)構(gòu)15-17
• 第2章 PPI網(wǎng)絡(luò)功能模塊檢測及蟻群聚類算法概述17-29
• 2.1 PPI網(wǎng)絡(luò)及其功能模塊檢測過程17-22
• 2.1.1 PPI網(wǎng)絡(luò)概述17
• 2.1.2 PPI網(wǎng)絡(luò)重要性質(zhì)17-19
• 2.1.3 PPI網(wǎng)絡(luò)數(shù)據(jù)19-20
• 2.1.4 PPI網(wǎng)絡(luò)功能模塊檢測過程20-21
• 2.1.5 PPI網(wǎng)絡(luò)功能模塊檢測方法評價指標21-22
• 2.2 蟻群聚類算法22-24
• 2.2.1 蟻群聚類算法思想22-23
• 2.2.2 蟻群聚類算法框架23-24
• 2.3 基于蟻群聚類的PPI網(wǎng)絡(luò)功能模塊檢測算法ACC-FMD24-26
• 2.4 本章小結(jié)26-29
• 第3章 快速融合蛋白質(zhì)基因表達信息的PPI網(wǎng)絡(luò)蟻群聚類算法29-45
• 3.1 算法思想29-30
• 3.2 算法描述與分析30-34
• 3.2.1 計算蛋白質(zhì)的關(guān)鍵性30-31
• 3.2.2 抽取核心組蛋白質(zhì)31
• 3.2.3 蟻群聚類過程31-32
• 3.2.4 算法描述與分析32-34
• 3.3 實驗結(jié)果與分析34-43
• 3.3.1 實驗數(shù)據(jù)集34
• 3.3.2 參數(shù)對算法的影響34-38
• 3.3.3 與ACC-FMD算法相比38-40
• 3.3.4 與其它經(jīng)典算法相比40-43
• 3.4 本章小結(jié)43-45
• 第4章 基于Map Reduce并行機制和精英解進化的PPI網(wǎng)絡(luò)蟻群聚類方法45-57
• 4.1 Map Reduce模型45-46
• 4.2 算法思想46-47
• 4.3 算法描述與分析47-51
• 4.3.1 任務(wù)劃分47-48
• 4.3.2 多種群并行求解48
• 4.3.3 精英解進化48-50
• 4.3.4 算法描述與分析50-51
• 4.4 實驗結(jié)果與分析51-55
• 4.4.1 參數(shù)對算法的影響51-52
• 4.4.2 并行化效果52-54
• 4.4.3 MRACC-FMD與其他算法的比較54-55
• 4.5 本章小結(jié)55-57
• 結(jié)論57-59
• 參考文獻59-63
• 攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文63-65
• 致謝65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 俞輝;裴振奎;陳繼東;;一種改進的蟻群聚類算法[J];鄭州大學(xué)學(xué)報(理學(xué)版);2010年03期

2 徐選華;范永峰;;改進的蟻群聚類算法及在多屬性大群體決策中的應(yīng)用[J];系統(tǒng)工程與電子技術(shù);2011年02期

3 黃旭;馬凱;;核空間二次蟻群聚類算法的研究[J];大眾科技;2011年02期

4 覃華;徐燕子;張敏;;基于巢模板的核空間蟻群聚類算法[J];廣西科學(xué)院學(xué)報;2010年04期

5 戴建華;;基于模糊集的蟻群聚類算法改進[J];科技信息;2009年25期

6 王智;張自力;;一種新的混合蟻群聚類算法[J];西南師范大學(xué)學(xué)報(自然科學(xué)版);2009年03期

7 宋中山;周騰;周晶平;;一種改進的蟻群聚類算法在客戶細分中的應(yīng)用[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2013年03期

8 王宗利;劉希玉;;一種基于流形的蟻群聚類算法[J];山東大學(xué)學(xué)報(理學(xué)版);2008年11期

9 孟巖;劉希玉;李鎮(zhèn);;基于蟻群聚類算法的文本模糊聚類方法[J];山東科學(xué);2007年05期

10 莫贊;羅世雄;楊清平;吳靜;;基于K-means算法的改進蟻群聚類算法及其應(yīng)用[J];系統(tǒng)科學(xué)學(xué)報;2012年03期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 覃華;徐燕子;張敏;;基于巢模板的核空間蟻群聚類算法的研究[A];廣西計算機學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

2 葉曉曦;;多態(tài)蟻群聚類算法[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

3 周新華;黃道;;基于改進蟻群聚類算法的最優(yōu)狀態(tài)集劃分[A];第二十三屆中國控制會議論文集（下冊）[C];2004年

4 馬凱;蘇一丹;;一種基于序列相似性的蟻群聚類算法[A];廣西計算機學(xué)會2009年年會論文集[C];2009年

5 莫錦萍;陳琴;馬琳;蘇一丹;;使用K-Means優(yōu)化蟻群聚類模型[A];廣西計算機學(xué)會2008年年會論文集[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 林金灼;蟻群聚類算法的若干改進策略的研究[D];福州大學(xué);2014年

2 楊明浩;面向蛋白質(zhì)網(wǎng)絡(luò)功能模塊檢測的蟻群聚類算法及其并行機制研究[D];北京工業(yè)大學(xué);2016年

3 王慧;改進的蟻群聚類分析算法的研究[D];河南大學(xué);2009年

4 田園麗;蟻群聚類算法研究與應(yīng)用[D];遼寧工程技術(shù)大學(xué);2011年

5 宋向京;面向復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)發(fā)現(xiàn)的蟻群聚類算法研究[D];北京工業(yè)大學(xué);2013年

6 曾海群;蟻群聚類算法研究[D];中南大學(xué);2008年

7 劉云;基于蟻群聚類的特征基因選擇算法研究[D];湖南大學(xué);2010年

8 羅增琦;一個改進的蟻群聚類優(yōu)化算法及其仿真實驗研究[D];華中科技大學(xué);2006年

9 鄒遠強;蟻群聚類算法及其在電信客戶分群中的應(yīng)用[D];湖南大學(xué);2007年

10 周騰;基于蟻群聚類算法的客戶細分研究與應(yīng)用[D];中南民族大學(xué);2013年

  本文關(guān)鍵詞：面向蛋白質(zhì)網(wǎng)絡(luò)功能模塊檢測的蟻群聚類算法及其并行機制研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：294887