本文關(guān)鍵詞：面向蛋白質(zhì)網(wǎng)絡(luò)功能模塊檢測(cè)的蟻群聚類(lèi)算法及其并行機(jī)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(jī)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(cè)功能模塊是蛋白質(zhì)組學(xué)的一個(gè)重要的研究課題,它能夠幫助人們了解細(xì)胞的功能和機(jī)制,系統(tǒng)地理解各種生物過(guò)程。近年來(lái),以機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘?yàn)榛A(chǔ)的計(jì)算方法成為了蛋白質(zhì)功能模塊檢測(cè)的一個(gè)有效途徑,新的計(jì)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(lái)越豐富,網(wǎng)絡(luò)規(guī)模越來(lái)越大,如何快速準(zhǔn)確地從PPI網(wǎng)絡(luò)中檢測(cè)功能模塊仍然是當(dāng)今生物信息學(xué)面臨的一個(gè)挑戰(zhàn)性的問(wèn)題。本課題在深入研究基于蟻群聚類(lèi)的檢測(cè)算法(ACC-FMD)基礎(chǔ)上,開(kāi)展了如下兩個(gè)方面的研究工作:(1)ACC-FMD算法在聚類(lèi)過(guò)程中,需要大量的合并過(guò)濾和拾起、放下操作,導(dǎo)致時(shí)間性能低下。針對(duì)該問(wèn)題,提出了一種快速融合蛋白質(zhì)基因表達(dá)信息的PPI網(wǎng)絡(luò)蟻群聚類(lèi)算法(FACC-FMD)。首先,利用基因表達(dá)信息計(jì)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(duì)蟻群聚類(lèi)中的拾起、放下操作做了更嚴(yán)格的約束,以減少拾起、放下的次數(shù)從而加速聚類(lèi)的過(guò)程。在三個(gè)通用PPI網(wǎng)絡(luò)數(shù)據(jù)集上的實(shí)驗(yàn)表明,在時(shí)間性能方面,FACC-FMD較ACC-FMD有了大幅度地提高;在檢測(cè)質(zhì)量方面,FACC-FMD與ACC-FMD以及近年來(lái)的一些經(jīng)典算法相比也具有一定的優(yōu)勢(shì)。(2)為了有效地挖掘蟻群聚類(lèi)算法的并行能力,提出了一種基于Map Reduce并行機(jī)制和精英解進(jìn)化的PPI網(wǎng)絡(luò)蟻群聚類(lèi)算法(MRACC-FMD)。首先,MRACC-FMD采用Map Reduce計(jì)算模型對(duì)蟻群聚類(lèi)算法中多只螞蟻求解的部分進(jìn)行并行化處理以縮短求解時(shí)間;然后,利用多個(gè)蟻群同時(shí)搜索侯選解空間,并將所有種群中的優(yōu)秀個(gè)體放入到精英解進(jìn)化環(huán)境中以實(shí)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(jìn)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(shí)驗(yàn)表明,新算法在對(duì)大規(guī)模的PPI網(wǎng)絡(luò)上具有良好的時(shí)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(cè) 蟻群聚類(lèi)算法 基因表達(dá)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(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：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(guó)內(nèi)外研究現(xiàn)狀10-14
• 1.2.1 PPI網(wǎng)絡(luò)功能模塊檢測(cè)10-13
• 1.2.2 蟻群聚類(lèi)算法13-14
• 1.2.3 并行計(jì)算技術(shù)14
• 1.3 本文的主要研究?jī)?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(cè)及蟻群聚類(lèi)算法概述17-29
• 2.1 PPI網(wǎng)絡(luò)及其功能模塊檢測(cè)過(guò)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(cè)過(guò)程20-21
• 2.1.5 PPI網(wǎng)絡(luò)功能模塊檢測(cè)方法評(píng)價(jià)指標(biāo)21-22
• 2.2 蟻群聚類(lèi)算法22-24
• 2.2.1 蟻群聚類(lèi)算法思想22-23
• 2.2.2 蟻群聚類(lèi)算法框架23-24
• 2.3 基于蟻群聚類(lèi)的PPI網(wǎng)絡(luò)功能模塊檢測(cè)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(dá)信息的PPI網(wǎng)絡(luò)蟻群聚類(lèi)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(jì)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(lèi)過(guò)程31-32
• 3.2.4 算法描述與分析32-34
• 3.3 實(shí)驗(yàn)結(jié)果與分析34-43
• 3.3.1 實(shí)驗(yàn)數(shù)據(jù)集34
• 3.3.2 參數(shù)對(duì)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(jī)制和精英解進(jìn)化的PPI網(wǎng)絡(luò)蟻群聚類(lèi)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(jìn)化48-50
• 4.3.4 算法描述與分析50-51
• 4.4 實(shí)驗(yàn)結(jié)果與分析51-55
• 4.4.1 參數(shù)對(duì)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(xiàn)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(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

2 徐選華;范永峰;;改進(jìn)的蟻群聚類(lèi)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(lèi)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(lèi)算法[J];廣西科學(xué)院學(xué)報(bào);2010年04期

5 戴建華;;基于模糊集的蟻群聚類(lèi)算法改進(jìn)[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(lèi)算法[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

7 宋中山;周騰;周晶平;;一種改進(jìn)的蟻群聚類(lèi)算法在客戶細(xì)分中的應(yīng)用[J];中南民族大學(xué)學(xué)報(bào)(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(lèi)算法[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2008年11期

9 孟巖;劉希玉;李鎮(zhèn);;基于蟻群聚類(lèi)算法的文本模糊聚類(lèi)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(jìn)蟻群聚類(lèi)算法及其應(yīng)用[J];系統(tǒng)科學(xué)學(xué)報(bào);2012年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前5條

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

2 葉曉曦;;多態(tài)蟻群聚類(lèi)算法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

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

4 馬凱;蘇一丹;;一種基于序列相似性的蟻群聚類(lèi)算法[A];廣西計(jì)算機(jī)學(xué)會(huì)2009年年會(huì)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(lèi)模型[A];廣西計(jì)算機(jī)學(xué)會(huì)2008年年會(huì)論文集[C];2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 林金灼;蟻群聚類(lèi)算法的若干改進(jìn)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(cè)的蟻群聚類(lèi)算法及其并行機(jī)制研究[D];北京工業(yè)大學(xué);2016年

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

4 田園麗;蟻群聚類(lèi)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(tuán)結(jié)構(gòu)發(fā)現(xiàn)的蟻群聚類(lèi)算法研究[D];北京工業(yè)大學(xué);2013年

6 曾海群;蟻群聚類(lèi)算法研究[D];中南大學(xué);2008年

7 劉云;基于蟻群聚類(lèi)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(gè)改進(jìn)的蟻群聚類(lèi)優(yōu)化算法及其仿真實(shí)驗(yàn)研究[D];華中科技大學(xué);2006年

9 鄒遠(yuǎn)強(qiáng);蟻群聚類(lèi)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(lèi)算法的客戶細(xì)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(cè)的蟻群聚類(lèi)算法及其并行機(jī)制研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：294887