生物複雜網路中功能模組的挖掘

內容簡介

本書的研究內容主要包括以下幾個方面。

①為了有效克服現有功能模組挖掘方法的缺點，我們使用受限的隨機遊走模型，提出一種新的轉移機率矩陣，進而定義一種新的結點相似性ISIM來衡量網路中任意兩個結點之間的距離。新的結點相似性有3個良好的特性：一是它能成功地融合網路的全局和局部拓撲信息；二是新結點相似性不僅能有效地衡量兩個結點之間的距離，而且能捕捉到兩個結點在網路中的拓撲結構；三是它是在一個收斂的空間定義結點相似性。因此，在一系列不完備和含有噪聲的生物網路中，具有良好的穩定性和魯棒性。

使用新結點相似性和層次聚類思想，可以有效地分析生物複雜網路中的功能模組。首先，我們使用新結點相似性產生網路的相似性矩陣。其次，使用層次聚類思想建立網路模組的樹狀結構。，選擇合理的目標函式自動地挖掘網路中的功能模組。在此基礎上，通過改變新結點相似性中的調節因子，本書又提出一種新的方法（ISIMB方法）揭示生物網路中蛋白質複合物的層次結構和功能模組的多尺度特性。

與現有的模組挖掘方法相比，基於新結點相似性的方法是一個無參數的方法，它能自動地確定網路中模組的個數。使用它挖掘到的模組不僅與真實的功能模組結構獲得更好的匹配，而且能有效克服生物網路不完備性的缺陷。與單尺度的方法相比，本書把模組多尺度概念引入到生物網路中蛋白質複合物和功能模組的挖掘，這種新的理念不僅能成功地預測蛋白質複合物及其層次特性，而且能從具體到一般的視角揭示功能模組的動態過程。

②針對生物網路的不完備特性和基因共表達的不傳遞性，本書提出一種新的方法檢測基因共表達網路中的功能模組。這種方法首先融合不同條件下基因共表達譜數據構建完備的基因共表達網路，隨後使用大團算法挖掘網路中的功能模組。這種新的方法與其他方法相比，預測的結果有較強的生物功能相似性。通過轉錄和調控關係分析，預測功能模組中的基因有較高的機率被同一個轉錄因子所調控，從而為構建基因調控網路提供豐富的結果。

③傳統的生物網路中功能模組的挖掘都是基於高聚合的模組結構是功能模組組織的形式。然而，這個結論在生物網路中，特別是在蛋白質相互作用網路中存在可疑性。因此，我們發現一種與高聚合模組不同的Bi-sparse模組，然後結合二叉樹理論和矩陣論提出一種新的方法（BTS方法）來挖掘兩種類型的功能模組。BTS方法在蛋白質相互作用網路中挖掘的高聚合模組和Bi-sparse模組都組成功能單元。與其他方法相比，BTS方法具有良好的性能：一是不需要預先設定模組的個數；二是挖掘的高聚合模組和Bi-sparse模組都具有顯著性的生物功能相似性。

④我們把高聚合模組和Bi-sparse模組作為功能單元的組織形式共存於同一網路中這一概念進行泛化。我們整理了4種類型共25個網路，用BTS方法對25個網路中的模組進行分析，結果發現：（a）Bi-sparse模組具有普遍性。（b）在社會網路中，Bi-sparse模組中的人們充當著經紀人的角色，負責協調不同群體之間的矛盾，促進信息、技術和知識的交流等作用；在計算機軟體網路中，Bi-sparse模組中的結點具有相似的軟體包屬性；在生物複雜網路中，Bi-sparse模組中的蛋白質或基因具有顯著性的功能相似性。（c）複雜網路中的Bi-sparse模組擁有一些特性：一是Bi-sparse模組和高聚合模組相比，Bi-sparse模組含有的結點較少；二是Bi-sparse模組在不同類型的網路中，具有一定的偏好性；三是存在複雜網路中的Bi-sparse模組有兩種明顯的拓撲結構。

生物複雜網路中功能模組的挖掘

基本介紹

內容簡介

圖書目錄

熱門詞條