基于动态PPI网络的关键蛋白质检测方法研究

摘要

关键蛋白质是生物体生存和繁殖所必需的蛋白质，研究关键蛋白质有助于我们理解细胞生命的最低需求。高通量技术的发展使得可用的蛋白质相互作用(Protein-Protein interaction,PPI)数据越来越多，利用这些数据，研究者们提出了许多基于网络拓扑特性检测关键蛋白质的方法。这些方法大都将 PPI网络看作一个静态图，而实际上，PPI网络是随着时间和环境等因素的变化而变化的，这一重要的固有动态性没有得到足够的重视。本文引入动态 PPI网络，将蛋白质在动态 PPI网络上的拓扑特性与生物信息相结合，从而提升关键蛋白质的检测效果。基于这一思想，本文提出了以下两种关键蛋白质检测方法。
　　考虑到动态PPI网络能更真实的反映网络的变化，边聚集系数能较为有效的减少网络中假阳性边产生的负面影响，本文以动态边聚集系数之和来衡量蛋白质节点在动态PPI网络中的拓扑特性。由于不同蛋白质传递的信息量有所不同，本文以蛋白质在复合物中的动态信息熵来评估蛋白质的生物意义。结合以上两个衡量指标，本文提出了基于动态边聚集系数与信息熵的关键蛋白质检测方法——CDEI方法。在DIP和MIPS的酵母PPI网络上的比较结果表明，CDEI方法的效果优于DC(Degree Centrality)、LAC(Local Average Connectivity)、SoECC(Sum of Edge Clustering Coefficient)、PeC和CoEWC(Co-Expression Weighted by Clustering coefficient)这五种方法，且能检测到更多被其他方法忽略的关键蛋白质。在MIPS中，CDEI方法的优势表现得更为突出。
　　一方面，蛋白质的关键性与PPI网络的模块化性质密切相关，局部平均连通度正是从模块性的角度出发，衡量蛋白质的拓扑地位。另一方面，蛋白质的关键性是复合物的产物，且不同的蛋白质在复合物中的重要性不同，因此，本文利用动态复合物中心性来衡量蛋白质的生物意义。综合考虑以上两个方面，本文结合动态局部平均连通度和动态复合物中心性，提出了一种新的关键蛋白质检测方法——CDLC方法。在DIP和MIPS的酵母PPI网络上的实验结果表明，CDLC方法检测关键蛋白质的效果优于DC、LAC、SoECC、PeC和CoEWC这五种方法，且能检测到较多被其他方法忽略的关键蛋白质。在MIPS中，CDLC方法的优势更加明显。此外，CDLC方法检测关键蛋白质的效果略优于CDEI方法。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要工作

1.4 本文的结构安排

第2章 关键蛋白质检测算法概述

2.1 引言

2.2 PPI网络的图表示

2.3 基于网络拓扑特征的关键蛋白质检测方法

2.4 融合网络拓扑特征与生物信息的关键蛋白质检测方法

2.5 小结

第3章 基于动态边聚集系数与信息熵的关键蛋白质检测方法

3.1 引言

3.2 动态边聚集系数之和

3.3 动态信息熵

3.4 CDEI方法

3.5 实验结果与分析

3.6 小结

第4章 基于动态局部平均连通度与复合物信息的关键蛋白质检测方法

4.1 引言

4.2 基于归一化活性阈值的动态PPI网络构建方法

4.3 动态局部平均连通度

4.4 动态复合物中心性

4.5 CDLC方法

4.6 实验结果与分析

4.7 小结

结论

1. 本文工作总结

2. 下一步工作展望

参考文献

附录A 攻读硕士学位期间发表的学术论文

附录B 攻读硕士学位期间参加的科研项目

致谢