蛋白質網路動態演化模型及套用算法研究

《蛋白質網路動態演化模型及套用算法研究》是依託湖南大學，由駱嘉偉擔任項目負責人的專項基金項目。

基本介紹

• 中文名：蛋白質網路動態演化模型及套用算法研究
• 項目類別：專項基金項目
• 項目負責人：駱嘉偉
• 依託單位：湖南大學

中文摘要

生命活動是若干蛋白質在微觀上所形成的複雜相互作用網路的巨觀表現。研究蛋白質網路對從系統水平上理解生命活動的內在組織及其過程具有重要理論意義。蛋白質網路在生物體的不同生命周期階段及不同的環境下，不斷地發生著變化，因此有必要依據蛋白質網路動態演化過程，對蛋白質網路整體演化規律、複雜多樣的結構功能以及動態特徵展開研究。本項目將藉助日益豐富的生物實驗數據，在複製分歧模型框架下，研究蛋白質網路動態演化機制，建立合理的蛋白質網路動態演化模型；結合網路演化及其拓撲特徵，引入啟發式信息，按照蛋白質網路組成的結構粒度，從關鍵蛋白、網路模體、功能模組的遞進層次開展對關鍵蛋白、網路模體和功能模組的動態識別，動態特徵提取，動態模式挖掘以及之間的關聯規律等問題的研究，為進一步理解細胞等生物體的動態變化機理提供新的途徑。

結題摘要

針對蛋白質網路在生物體的不同生命周期階段及不同的環境下，不斷地發生變化的情形，本項目依據蛋白質網路動態演化過程，對蛋白質網路整體演化規律、複雜多樣的結構功能展開了研究。在現有複製分歧模型的基礎上，重點研究了蛋白質的相互作用傾向和分歧機率之間的關係，提出了基於蛋白質年齡的模擬PPI網路進化過程的ADD模型（age-dependent duplication-divergence）和向後分解蛋白質相互作用網路的IADD模型（inverse age-dependent duplication-divergence）；針對單一網路拓撲特徵來對關鍵蛋白進行識別，導致識別準確率不高的問題，結合基因本體和複合物信息，提出了三種多信息融合的預測關鍵蛋白的方法GO-ELAC、EGC和CSC，有效的提高了識別精度；針對計算複雜度問題，結合蛋白質網路的生物特點，提出整合拓撲特性和功能的生物網路模體識別算法Ecc-GOSS、新型子圖抽樣和子圖比對的機率網路模體發現算法和基於子圖擴展和子圖支持度的抽樣網路模體發現算法SE&SSV，在時間性能上有所提高；圍繞蛋白質數據中存在的高假陽性和假陰性問題，提出了基於GO信息來識別蛋白質複合物的算法和基於不確定網路識別蛋白質複合物的算法COMDG，提高了識別精度，且挖掘出更多具有生物意義的可重疊功能模組。