從蛋白質-蛋白質相互作用（Protein-protein Interaction,PPI）網絡中識別蛋白質復合物是目前蛋白質組學中最重要的任務之一。大部分傳統(tǒng)的利用計算方法的蛋白質復合物識別方法都是通過在PPI網絡中挖掘稠密子圖作為最終識別的蛋白質復合物。由于PPI網絡存在假陽性率和假陰性率的缺點,研究人員開始試圖利用生物信息來提高預測蛋白質復合物的質量。然而,如何將不同類型的生物信息整合到復合物識別過程中對研究人員來說仍然是一個挑戰(zhàn)。近年來,網絡嵌入方法由于良好的信息保持效果被廣泛應用于各種網絡學習任務中。因此,本文提出了基于生物屬性網絡嵌入方法的蛋白質復合物識別算法GANE。GANE算法首先利用網絡嵌入獲得蛋白質的向量表示并重新計算蛋白質對之間的相互作用強度,后續(xù)基于蛋白質復合物的結構特性進行聚類識別出最終的蛋白質復合物。GANE算法提供了一個統(tǒng)一的框架將各種生物信息整合到識別過程中。在GANE算法的基礎上,為了克服現(xiàn)有網絡嵌入方法存在的無法同時保存網絡全局、局部結構信息和節(jié)點屬性信息的缺點。本文提出一種新型網絡嵌入算法,并將該算法應用于本文提出的蛋白質復合物識別算法GLONE中。... 

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

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 蛋白質復合物識別概述
    1.2 國內外蛋白質復合物識別現(xiàn)狀
        1.2.1 基于單純PPI結構信息的蛋白質復合物識別方法
        1.2.2 融合生物信息資源的蛋白質復合物識別方法
    1.3 論文的研究內容
    1.4 論文的組織結構
2 網絡嵌入
    2.1 網絡嵌入相關研究
        2.1.1 網絡嵌入的任務
        2.1.2 基于網絡結構的網絡嵌入方法
        2.1.3 基于網絡結構和外部信息的網絡嵌入方法
    2.2 本章小結
3 基于生物屬性網絡嵌入的蛋白質復合物識別算法
    3.1 基因本體數(shù)據(jù)
    3.2 GANE模型
        3.2.1 蛋白質的向量表示學習
        3.2.2 基于Core-Attachment結構信息聚類
    3.3 實驗及結果分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 評價標準
        3.3.3 性能評估
        3.3.4 參數(shù)調研
    3.4 本章小結
4 基于全局信息網絡嵌入的蛋白質復合物識別算法
    4.1 GLONE模型
        4.1.1 基于新型網絡嵌入方法的蛋白質向量表示學習
        4.1.2 基于種子擴散機制聚類
    4.2 實驗及結果分析
        4.2.1 實驗數(shù)據(jù)
        4.2.2 評價指標
        4.2.3 性能評估
        4.2.4 參數(shù)調研
    4.3 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表學術論文情況
致謝


【參考文獻】：
期刊論文
[1]蛋白質組學及其研究技術概述[J]. 劉偉,劉書廣,韓留福.  生物學教學. 2018(05)
[2]蛋白質復合物識別算法綜述[J]. 湯�，|.  長沙大學學報. 2017(05)
[3]網絡表示學習綜述[J]. 涂存超,楊成,劉知遠,孫茂松.  中國科學:信息科學. 2017(08)
[4]基于加權網絡和局部適應度的蛋白質復合物識別算法[J]. 劉翠翠,孫偉.  計算機應用研究. 2018(08)
[5]基于遺傳算法的蛋白質復合物識別算法[J]. 鄭文萍,李晉玉,王杰.  計算機科學與探索. 2018(05)
[6]基于關鍵功能模塊挖掘的蛋白質功能預測[J]. 趙碧海,李學勇,胡賽,張帆,田清龍,楊品紅,劉臻.  自動化學報. 2018(01)

博士論文
[1]生物醫(yī)學領域的信息抽取與復合物識別研究[D]. 張益嘉.大連理工大學 2014



本文編號：3246740