基于蛋白質相互作用加權網絡的關鍵蛋白質識別算法研究.pdf

1、隨著蛋白質組學研究的推進，以及高通量實驗技術的快速發展，蛋白質組學中關鍵蛋白質的研究進入了一個新的發展時期。關鍵蛋白質是生物體存活和繁殖所必需的蛋白質，在生命活動過程中有著舉足輕重的地位。關鍵蛋白質的識別不僅有助于了解細胞新陳代謝、生長發育、分化和凋亡等活動過程，而且在研究疾病發生機理、發現藥物靶點和研制新藥等方面具有重大應用價值。隨著蛋白質相互作用網絡數據的不斷增長，基于網絡拓撲結構識別關鍵蛋白質受到廣泛關注。但由于網絡數據不完善和假

2、陽性高等原因，現有的識別算法準確率依然較低。
　　 本文在蛋白質相互作用網絡拓撲結構的基礎上，考慮網絡節點的生物功能和生物特性，引進基因本體數據和基因表達數據，構建加權蛋白質相互作用網絡。在加權網絡上基于局部網絡拓撲結構識別關鍵蛋白質。具體有以下幾方面工作:
　　 針對現有蛋白質相互作用數據假陽性高的問題，選取基因本體信息度量蛋白質相互作用對的功能相似性，給網絡每條邊賦予不同權值，構建加權網絡。在加權網絡上，考慮蛋白質節

3、點的直接鄰居和間接鄰居節點對蛋白質關鍵性的不同影響，擴展局部網絡拓撲至二階鄰居，并基于節點的度和邊的雙重特性，提出了新的關鍵蛋白質識別算法GO ELAC，并用于識別關鍵蛋白質。實驗結果表明，該算法比其他五種方法能識別更多的關鍵蛋白質，提高了算法準確率。
　　 蛋白質的關鍵性實際上是一種功能屬性，但大多基于網絡拓撲的關鍵蛋白質識別算法，對蛋白質生物意義和生物功能方面的挖掘不夠深入。我們引入基因本體數據、基因表達數據和蛋白質相互作用

4、網絡數據結合來識別關鍵蛋白質。首先基于相互作用蛋白質對應基因表達數據的Pearson相關系數過濾蛋白質相互作用網絡中的部分邊，再引入基因本體數據衡量蛋白質相互作用對的功能相似性，結合蛋白質相互作用對的表達相關性，構建雙權重網絡。在雙權重網絡中同時考慮節點和邊的特性，提出了改進的PeGO關鍵蛋白質識別算法。并在兩個酵母數據集上測試PeGO算法的實驗性能。實驗結果表明，PeGO算法識別的關鍵蛋白質準確率高于其他六種方法，進一步證實了引入與蛋