基于加权的随机游走的蛋白质功能预测

摘要

蛋白质功能预测是后基因时代的最基本的课题之一，迄今为止已经取得了一系列的研究成果。基于蛋白质相互作用网络进行功能预测是功能预测计算方法中的一个重要分支。然而，仅仅使用蛋白质相互作用网络数据进行预测的效果并不好。因此，如何合理的构建有效的模型来融合其它生物信息仍然是生物信息工作者的巨大挑战。我们将蛋白质相互作用网络数据与功能信息、蛋白质结构域数据相结合，构筑合理的计算模型，从而有效的利用多生物信息来提高蛋白质功能预测的准确性。
　　本文主要的工作及贡献如下:1）提出一种基于加权的双随机游走算法。首先，采用边聚集系数对蛋白质相互作用网络进行加权，利用GO Term在DAG结构层次图中的位置计算GO之间的相似性，从而构建功能相似性网络。然后，采用双随机游走算法的三种变化形式在蛋白质相互作用网络和功能相似性网络上游走不同顺序、不同步数。最后，对已知的蛋白质-功能映射关系进行统计分析。与已有的利用功能信息的方法相比，本文提出的基于加权的不平衡双随机游走算法拥有更好的预测效果。
　　2)提出一种结合蛋白质结构域信息的加权的三随机游走算法。蛋白质通常包含一个或者多个独立功能结构，称为结构域。不同的蛋白质拥有的结构域通常因为蛋白质功能的不同存在着差异。利用蛋白质结构域信息，当两个蛋白质结构域被同一蛋白质拥有的时候，认为这两个蛋白质结构域之间有边相连，从而构建了蛋白质结构域共生网络。本文采用一个三随机游走的算法将加权的蛋白质相互作用网络、功能相似性网络、蛋白质结构域共生网络融合起来进行蛋白质功能预测。实验结果表明，该算法不仅比单独使用蛋白质相互作用数据的算法性能好，并且比使用蛋白质相互作用数据以及功能相似性数据的算法准确。该算法还能预测蛋白质结构域的功能，从而为在蛋白质功能预测中应用多生物信息融合提供了一种可行的方案。

目录

声明

摘要

1 绪论

1．1 课题研究背景

1．1．1 生物信息学的形成与发展

1．1．2 生物信息学数据库

1．2 课题研究意义

1．3 论文主要研究内容

1．4 论文的结构

2 基于网络的蛋白质功能预测相关研究

2．1 蛋白质相互作用网络

2．2 蛋白质功能预测算法概述

2．3 基于蛋白质相互作用网络的功能预测方法

2．3．1 基于网络拓扑的方法

2．3．2 基于功能模块的方法

2．4 蛋白质功能描述体系

3 基于加权的双随机游走的蛋白质功能预测

3．1 问题来源

3．2 随机游走模型

3．3 基于加权的双随机游走算法描述及相关定义

3．3．1 功能相似性网络

3．3．2 蛋白质相互作用加权网络

3．3．3 算法描述

3．4 实验结果

3．4．1 实验数据与评价指标

3．4．2 基于GO Term角度验证性能

3．4．3 基于Protein角度验证性能

3．4．4 UBiRW算法的参数分析

3．4．5 已知蛋白质-功能映射关系统计分析

3．5 本章小结

4 基于加权的三随机游走的蛋白质功能预测

4．1 问题来源

4．2 加权的三随机游走算法描述及相关定义

4．2．1 实验网络构建与分析

4．2．2 算法描述

4．3 实验结果

4．3．1 实验数据

4．3．2 基于GO Term角度验证性能

4．3．3 基于Protein角度验证性能

4．4 本章小结

5 总结与展望

5．1 论文研究贡献与创新点

5．2 研究展望

参考文献

攻读硕士学位期间主要的研究成果

致谢