發(fā)布時間：2021-01-15 01:48

　　隨著生物交叉網(wǎng)絡信息技術(shù)的快速發(fā)展和多種生物基因的不斷增多,大量蛋白質(zhì)數(shù)據(jù)出現(xiàn),使得研究蛋白質(zhì)網(wǎng)絡功能表達、作用環(huán)境、產(chǎn)生的影響、組成結(jié)構(gòu)成為了生物網(wǎng)絡研究的要點。特別是PPI網(wǎng)絡中蛋白質(zhì)復合物以及關(guān)鍵蛋白的發(fā)現(xiàn),對探索疾病機制和藥物研制方面有參考價值。近年來,雖然大量關(guān)于蛋白質(zhì)復合物以及關(guān)鍵蛋白質(zhì)的探究取得了突破性進展,大量數(shù)據(jù)由各種高通量技術(shù)手段獲得,但由于PPI網(wǎng)絡本身的復雜性、不可靠性和小世界性以及目前挖掘算法本身的局限性,得到的數(shù)據(jù)存在著較高比例的假陽性和假陰性,導致識別準確率不高,并且多數(shù)算法對蛋白質(zhì)復合物和功能模塊沒有嚴格的界定。因此,從PPI網(wǎng)絡中精確地挖掘復合物以及關(guān)鍵蛋白還存在很多挑戰(zhàn)。本文提出了模糊蟻群聚類算法、模塊度函數(shù)、模糊譜聚類算法以及基于復合物參與度和密度的識別算法對蛋白質(zhì)復合物以及關(guān)鍵蛋白質(zhì)進行檢測。主要從兩方面著手:第一,基于PPI網(wǎng)絡本身的復雜性以及數(shù)據(jù)的缺陷,結(jié)合網(wǎng)絡拓撲特性以及生物信息構(gòu)建加權(quán)網(wǎng)絡以及不確定網(wǎng)絡。第二:針對于傳統(tǒng)模塊挖掘算法的缺陷,提出模糊蟻群算法、模塊度函數(shù)以及模糊譜聚類算法來彌補傳統(tǒng)算法的不足,同時也提出一些改進策略來優(yōu)化這些... 

【文章來源】：江西理工大學江西省

【文章頁數(shù)】：91 頁

【學位級別】：碩士

【部分圖文】：

酵母蛋白質(zhì)相互作用網(wǎng)絡


本文編號：2977976