隨著生物信息學(xué)和高通量技術(shù)的迅猛發(fā)展,使得全面分析蛋白質(zhì)網(wǎng)絡(luò)的結(jié)構(gòu)、功能成為新的研究熱點(diǎn),尤其是基于PPI網(wǎng)絡(luò)的蛋白質(zhì)復(fù)合物和關(guān)鍵蛋白質(zhì)識(shí)別,不僅為解釋生命進(jìn)程和探索生命奧秘提供理論基礎(chǔ),而且對(duì)疾病診斷和藥物研制有重要意義。目前,蛋白質(zhì)復(fù)合物和關(guān)鍵蛋白質(zhì)挖掘算法雖然取得了一定成效,但由于PPI網(wǎng)絡(luò)的不可靠性、小世界性和復(fù)雜性,以及目前聚類算法自身的局限性,導(dǎo)致現(xiàn)有挖掘算法的識(shí)別精度不高。本文在蛋白質(zhì)復(fù)合物挖掘上主要從兩個(gè)方向著手,一是結(jié)合PPI網(wǎng)絡(luò)的結(jié)構(gòu),通過模擬蟻群清理蟻穴行為構(gòu)建聚類模型;二是利用人工蜂群算法ABC解決DBSCAN聚類算法參數(shù)選取和設(shè)置敏感的問題。在識(shí)別關(guān)鍵蛋白質(zhì)方法上,利用蛋白質(zhì)的保守性和動(dòng)態(tài)性,結(jié)合拓?fù)涮匦院凸脖磉_(dá)復(fù)合物中心性來提升關(guān)鍵蛋白質(zhì)預(yù)測(cè)的準(zhǔn)確度。本文主要研究工作如下:針對(duì)靜態(tài)蛋白質(zhì)網(wǎng)絡(luò)無法真實(shí)模擬細(xì)胞的動(dòng)態(tài)性,蟻群聚類算法挖掘蛋白質(zhì)復(fù)合物準(zhǔn)確性不高、速度慢等問題,提出一種基于模糊粒度和緊密度的蟻群聚類動(dòng)態(tài)蛋白質(zhì)復(fù)合物算法FGCDACC。首先,該算法基于PPI網(wǎng)絡(luò)的拓?fù)涮匦院蜕锾匦栽O(shè)計(jì)了綜合性權(quán)值度量CWM,準(zhǔn)確描述了蛋白質(zhì)之間的相互作用;然后結(jié)合復(fù)合... 

【文章來源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 動(dòng)態(tài)蛋白質(zhì)網(wǎng)絡(luò)研究現(xiàn)狀
        1.2.2 蛋白質(zhì)復(fù)合物研究現(xiàn)狀
        1.2.3 關(guān)鍵蛋白質(zhì)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 算法及相關(guān)概念介紹
    2.1 群智能優(yōu)化算法簡(jiǎn)介
        2.1.1 蟻群聚類算法
        2.1.2 人工蜂群覓食算法
    2.2 DBSCAN聚類算法
    2.3 PPI網(wǎng)絡(luò)
        2.3.1 PPI網(wǎng)絡(luò)概述
        2.3.2 評(píng)價(jià)指標(biāo)
    2.4 本章小結(jié)
第三章 基于拾起放下的蟻群算法聚類蛋白質(zhì)復(fù)合物
    3.1 動(dòng)態(tài)加權(quán)PPI網(wǎng)絡(luò)構(gòu)建
        3.1.1 動(dòng)態(tài)PPI網(wǎng)絡(luò)構(gòu)建
        3.1.2 動(dòng)態(tài)PPI網(wǎng)絡(luò)加權(quán)
    3.2 FGCDACC算法檢測(cè)蛋白質(zhì)復(fù)合物
        3.2.1 核心團(tuán)的構(gòu)建
        3.2.2 改進(jìn)蟻群算法檢測(cè)蛋白質(zhì)復(fù)合物
        3.2.3 局部和全局權(quán)值更新策略
        3.2.4 算法步驟
        3.2.5 算法時(shí)間復(fù)雜度
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 數(shù)據(jù)預(yù)處理
        3.3.2 參數(shù)設(shè)置
        3.3.3 權(quán)值更新策略有效性分析
        3.3.4 聚類性能分析
        3.3.5 聚類結(jié)果分析
    3.4 本章小結(jié)
第四章 蜂群優(yōu)化DBSCAN算法挖掘蛋白質(zhì)復(fù)合物
    4.1 改進(jìn)的人工蜂群ABC算法
        4.1.1 蜜源初始化
        4.1.2 蜜源更新策略
        4.1.3 自適應(yīng)和全局引導(dǎo)的搜索策略
        4.1.4 蜂群算法的適應(yīng)度函數(shù)
    4.2 改進(jìn)的DBSCAN聚類算法
        4.2.1 FD距離測(cè)度
        4.2.2 修正更新策略
    4.3 IABC-DBSCAN算法挖掘蛋白質(zhì)功能模塊
        4.3.1 IABC算法尋找最優(yōu)參數(shù)
        4.3.2 算法實(shí)現(xiàn)
        4.3.3 算法時(shí)間復(fù)雜度
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 數(shù)據(jù)來源
        4.4.2 參數(shù)選擇
        4.4.3 IABC-DBSCAN算法有效性分析
        4.4.4 與其他算法對(duì)比分析
        4.4.5 聚類結(jié)果分析
        4.4.6 富集程度分析
    4.5 本章小結(jié)
第五章 混合動(dòng)態(tài)-保守蛋白質(zhì)網(wǎng)絡(luò)的關(guān)鍵蛋白質(zhì)識(shí)別算法
    5.1 TW-PIN的構(gòu)建
        5.1.1 混合動(dòng)態(tài)-保守蛋白質(zhì)網(wǎng)絡(luò)的構(gòu)建
        5.1.2 混合動(dòng)態(tài)-保守蛋白質(zhì)網(wǎng)絡(luò)的加權(quán)
    5.2 JTBC算法識(shí)別關(guān)鍵蛋白質(zhì)
        5.2.1 共表達(dá)復(fù)合物中心性
        5.2.2 關(guān)鍵蛋白質(zhì)識(shí)別
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)
        5.3.2 TW-PIN有效性分析
        5.3.3 不同復(fù)合物下JTBC算法的識(shí)別結(jié)果
        5.3.4 JTBC算法與其他算法性能分析
        5.3.5 可視化分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
攻讀碩士期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于動(dòng)態(tài)加權(quán)PPI網(wǎng)絡(luò)的關(guān)鍵蛋白質(zhì)識(shí)別算法[J]. 楊書新,魯紀(jì)華,湯達(dá)榮.  計(jì)算機(jī)應(yīng)用研究. 2019(02)
[2]基于改進(jìn)的PSO算法的關(guān)鍵蛋白質(zhì)識(shí)別方法研究[J]. 洪海燕,劉維.  計(jì)算機(jī)科學(xué). 2017(10)
[3]結(jié)合節(jié)點(diǎn)度和節(jié)點(diǎn)聚類系數(shù)的鏈路預(yù)測(cè)算法[J]. 高楊,張燕平,錢付蘭,趙姝.  小型微型計(jì)算機(jī)系統(tǒng). 2017(07)
[4]融合時(shí)序保持特征和蟻群聚類的動(dòng)態(tài)PPI網(wǎng)絡(luò)復(fù)合物識(shí)別[J]. 趙學(xué)武,程新黨,呂嘉偉,劉向嬌.  小型微型計(jì)算機(jī)系統(tǒng). 2017(06)
[5]動(dòng)態(tài)蛋白質(zhì)網(wǎng)絡(luò)的構(gòu)建、分析及應(yīng)用研究進(jìn)展[J]. 李敏,孟祥茂.  計(jì)算機(jī)研究與發(fā)展. 2017(06)
[6]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)
[7]動(dòng)態(tài)-靜態(tài)混合的時(shí)序蛋白質(zhì)網(wǎng)絡(luò)構(gòu)建方法[J]. 代啟國(guó),郭茂祖,劉曉燕,王春宇.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2016(11)
[8]一種基于隨機(jī)游走模型的關(guān)鍵蛋白質(zhì)預(yù)測(cè)方法[J]. 楊莉萍,路松峰,黃鈺.  華中農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(06)
[9]模擬鴿子優(yōu)化過程的蛋白質(zhì)復(fù)合物識(shí)別算法[J]. 丁玉連,雷秀娟,代才.  計(jì)算機(jī)科學(xué)與探索. 2017(08)
[10]Detecting protein complexes from DPINs by density based clustering with Pigeon-Inspired Optimization Algorithm[J]. Xiujuan LEI,Yulian DING,Fang-Xiang WU.  Science China（Information Sciences）. 2016(07)

碩士論文
[1]動(dòng)態(tài)蛋白質(zhì)復(fù)合物挖掘與保守復(fù)合物進(jìn)化研究[D]. 易麗.華中師范大學(xué) 2017
[2]基于群智能優(yōu)化的動(dòng)態(tài)蛋白質(zhì)復(fù)合物和關(guān)鍵蛋白質(zhì)識(shí)別算法研究[D]. 丁玉連.陜西師范大學(xué) 2017
[3]基于結(jié)構(gòu)域信息的蛋白質(zhì)復(fù)合物識(shí)別與疾病基因預(yù)測(cè)[D]. 易陽(yáng).華中師范大學(xué) 2016
[4]基于動(dòng)態(tài)蛋白互作網(wǎng)絡(luò)的蛋白質(zhì)復(fù)合物識(shí)別算法研究[D]. 蘇令濤.吉林大學(xué) 2015



本文編號(hào)：3584861