动态-静态混合的时序蛋白质网络构建方法

目前已公开的蛋白质网络多为静态网络,不能有效描述细胞中蛋白质的动态活动特点.通过融合基因表达数据,研究人员可以构建出描述蛋白质动态性的时序蛋白质网络.现有方法假设所有蛋白质都是动态变化的,而事实上除动态蛋白质外细胞中还包含相对稳定的静态蛋白质.为此,提出了一种基于动态-静态蛋白质混合的时序网络构建新方法.该方法根据基因表达变化情况将蛋白质分为动态和静态两类,并在构建各时刻网络时考虑动态与静态蛋白质之间的相互作用关系.实验结果表明,利用本文方法构建的时序蛋白质网络可以提高蛋白质复合体识别的准确性,从而验证了本文方法的可行性.     

基于不确定网络的关键蛋白质识别

生物学中,关键蛋白质及致病基因主要是通过生物医学实验来识别,然而这些方法的代价相当高,效率非常低,并且适用的物种有限。高通量蛋白质组技术的发展提供了大量的蛋白质相互作用数据,这使得通过计算机方法预测关键蛋白质成为可能。大部分方法对蛋白质相互作用网络中的噪声很敏感。考虑蛋白质相互作用网络的不可靠,构建不确定相互作用网络,提出一种名为EPU的关键蛋白质识别算法。算法采用期望稠密度作为评判一个子图能否预测为关键模块的准则,预测的模块将用于关键蛋白质识别;通过蛋白质在关键模块中出现的概率频率对蛋白质评分,分值越高,成为关键蛋白质的可能性越大。实验结果显示,EPU算法性能优于其他的关键蛋白质识别算法,是一种有别于现有方法的新型关键蛋白质识别算法。结果表明,不确定性数据管理理论有助于提高算法对蛋白质相互作用网络中噪声的鲁棒性。     

融合多数据源的蛋白质功能模块的挖掘算法

针对蛋白质相互作用(protein-protein interaction,PPI)网络的信息不完善和高噪声问题,提出一种融合多生物数据的二分图聚类集成方法以检测网络中的功能模块.该方法结合了基因本体论(gene ontology,GO)、基因表达谱数据以及多种基础聚类算法,用一种新的二分图来组织多种基础聚类算法的中间结果,并结合对称非负矩阵分解(non-negative matrix factorization,NMF)算法挖掘其中功能意义上最一致蛋白质功能模块,同时,该算法能处理蛋白质功能重叠问题.实验结果表明:所提算法整体优于基准比较方法,是一种融合多种生物信息源和不同的聚类方法的有效途径.     

基因调控网络中的癌症标记物预测方法

基于多组学的癌症标记物识别对癌症分子机制的研究具有重要的意义,但是当前大部分工作都是结合蛋白质相互作用数据进行的,故提出一种新型的基于多基因调控网络和多组学数据的研究方法,用于分析癌症的分子机制以及预测生物分子标记物。该方法首先整合多组学数据,以胃癌和食管癌为例,分别构建了胃癌和食管癌的癌症特异性网络;然后在这两个网络上进行加权共表达网络分析,采用层次聚类划分模块,计算模块的第一主成分和所有已知癌症标记物的关系,以此为据筛选出癌症特异的模块;最后再提取疾病特异的生物通路,使用相似性评估方法识别潜在的癌症标记物。实验结果表明,该方法预测的特异性模块具有功能特性,并且在模块内部使用皮尔逊相关系数法进行预测的结果更准确。     

基于复杂网络控制理论的肿瘤关键基因预测研究

复杂网络控制能够捕获整个网络的状态,使得从海量的蛋白质相互作用数据中找到潜在的肿瘤致病基因成为可能.该文利用复杂网络控制理论探究肿瘤关键基因,对5种癌症相关的蛋白质–蛋白质相互作用网络,通过网络最小控制集方法,选取始终处于最小控制集(minimum dominating set, MDS)的基因作为候选关键基因.利用肿...     

基于烟花算法的蛋白质相互作用网络功能模块检测方法

针对群智能聚类方法在蛋白质相互作用网络功能模块检测问题上运行时间长的不足,本文提出了一种基于烟花算法的蛋白质相互作用网络功能模块检测方法(Fireworks Algorithm for Functional Module Detection in Protein-protein Interaction Networks,简称FWA-FMD).首先结合蛋白质相互作用网络的拓扑结构信息和基因本体的功能注释信息,基于标签传播思想将每个烟花个体初始化为一种候选的功能模块划分.其次在每一代进化过程中,利用具有局部搜索和全局搜索自调整能力的爆炸操作对每个烟花个体进行优化,并同时采用精英保留和轮盘赌策略选择下一代烟花个体.最后通过将最优烟花个体中标签相同的节点划分到同一功能模块,以得到最终的功能模块检测结果.在酵母菌和人类两个物种的4个公共蛋白质相互作用网络数据集上的功能模块检测结果,分别用两种标准功能模块数据集作为基准来评价的实验表明:FWA-FMD算法不但求解时间少于遗传算法、蚁群算法和细菌觅食算法,而且在多项评价指标上与一些代表性算法相比都具有明显的优势,能够更好地识别功能模块.     

γ-氨基丁酸受体基因的系统性调控网络

提出一种多学科交叉结合的策略,试图初步获得系统性调控γ-氨基丁酸(gamma-aminobutyric acid,GABA)受体基因的转录因子线索.利用基于功能基因组学方法的DNA元件百科全书计划已发表的数据,系统性地获得GABA受体基因的开放染色质序列,并以此作为固相化探针,捕获与其特异性相互作用的蛋白质分子,并利用质谱分析鉴定蛋白.结果发现,对不同脑区获得的核蛋白,探针都能捕获到同样的特异性条带,然而,作为对照的天门冬氨酸(N-methyl-D-aspartate,NMDA)受体基因相关的开放染色质探针,在不同脑区中并未检获上述特异信号,说明结合蛋白是特异的.质谱分析表明,与GABA受体基因相关的开放染色质特异相互作用的蛋白是核膜血影重复蛋白-1(nuclear envelop spectrin repeatprotein-1,Nesprin-1),又称synaptic nuclear envelope-1(SYNE-1).进一步的调控网络生物信息学分析表明,Nesprin-1可能与MAFA、IRX2、BCL6、CEBPA以及RP58等转录因子形成复合物,并与GABA受体基因GABRA5、GABRA6、GABBR1和GABBR2等共表达.表明GABA受体基因在不同脑区是通过相同的转录调控机制进行表达的,Nesprin-1可能与MAFA、IRX2、BCL6、CEBPA以及RP58等转录因子形成复合物进而调控GABA受体基因表达,该特异的转录因子调控网络有望用于诱导多能干细胞或是前体细胞直接分化为GABA能神经元.     

基于二级结构信息的蛋白质相互作用贝叶斯分类预测

蛋白质相互作用在许多生物学过程中扮演重要角色.蛋白质直接相互作用依赖其空间结构,蛋白质二级结构作为其空间结构的基本元件应该包含相互作用的信息.基于相互作用蛋白对二级结构信息,提出一个蛋白质相互作用的贝叶斯分类器预测模型.对酵母、人类数据的开放测试和对小鼠、果蝇的独立集测试的初步预测分别取得59.16%和59.85%的精确度,这表明蛋白质二级结构信息和贝叶斯分类器的确可以用于蛋白质相互作用预测.     

基于不确定数据的功能模块预测

蛋白质功能模块在分子相互过程中扮演着重要角色。已有多种方法从蛋白质相互作用网络中识别功能模块,许多算法没有考虑模块内在生物组织特性,忽略了较高的假阳性给算法产生的负面影响。文中为PPI网络构建一个不确定图的模型,其中每一个蛋白质的交互作用都被赋予一个测度;结合不确定数据管理技术,提出一种基于可能世界模型的功能模块识别算法。若子图内部节点间具有较高的内聚性,子图与邻居子图间具有较小的耦合性,该子图被标识为功能模块。引入期望支持度的概念描述节点和子图间的关系。为了评估算法的性能,对目前已有的七种算法与本文的算法做了综合比较。实验结果表明本文提出的算法性能显著优于已有的方法,算法识别的功能模块具有更好的生物统计意义。     

基于深度神经网络的蛋白质相互作用预测框架

为解决实验方法中结果存在较高假阳性率和假阴性率的问题,整合蛋白质特征数据,提出一种基于深度神经网络的蛋白质相互作用预测框架。提取蛋白质的GO语义相似性、序列相似性、蛋白质重要性以及亚细胞定位信息,得到低维度的输入数据。然后建立深度神经网络,进行预测。通过使用弃权技术,减少网络中复杂的互适应神经元,总体性能得到提高。预测框架在酿酒酵母蛋白质数据集上的准确率达到95.67%,精确度达到96.38%。实验结果表明:提取的特征数据较适合用于蛋白质互作的预测研究,且构建的基于深度神经网络的蛋白质相互作用预测框架具有出色的泛化性能,在多种数据上都能取得较好效果。     

一种基于PPI网络的乳腺癌差异基因分析算法

为了提高对于乳腺癌差异基因筛选的准确率,从分子层面出发,结合拷贝数与基因表达两方面特征,分析了乳腺癌差异表达基因,研究了乳腺癌的发病机制,为乳腺癌的诊疗提供了新的研究思路.在癌症基因组图谱中下载乳腺癌的拷贝数和基因表达数据,利用R软件通过卡方检验提取乳腺癌拷贝数差异基因,结合edgeR差异基因分析算法,筛选乳腺癌差异表达基因,利用ks检验关联两方面差异基因,分析其相关性,结合string数据库构造蛋白质互作网络,筛选核心基因,通过生存分析和GO富集分析验证结果的准确性.以基因差异表达倍数大于1,p值小于0.05为标准,筛选出基因表达差异基因共有10 579个,上调基因7 543个,下调基因3 036个,经验证发现,ATAD2B等8个基因与乳腺癌的发生发展密切相关.     

Feature Selection with Fluid Mechanics Inspired Particle Swarm Optimization for Microarray Data

Deoxyribonucleic acid (DNA) microarray gene expression data has been widely utilized in the field of functional genomics,since it is helpful to study cancer,cells,tissues,organisms etc.But the sample sizes are relatively small compared to the number of genes,so feature selection is very necessary to reduce complexity and increase the classification accuracy of samples.In this paper,a completely new improvement over particle swarm optimization (PSO) based on fluid mechanics is proposed for the feature selection.This new improvement simulates the spontaneous process of the air from high pressure to low pressure,therefore it allows for a search through all possible solution spaces and prevents particles from getting trapped in a local optimum.The experiment shows that,this new improved algorithm had an elaborate feature simplification which achieved a very precise and significant accuracy in the classification of 8 among the 11 datasets,and it is much better in comparison with other methods for feature selection.     

基于统计方法的肿瘤特征基因提取

为了找出肿瘤特征基因,将14种不同组织类型的肿瘤作为一个整体.分析其与对应的正常组织样本间基因表达的差异,提取出反映样本类别特征的特征基因,为生物医学研究中分析基因表达数据提供参考.首先利用相关系数,在一定范围内排除噪声基因,然后采用质心收缩法提取出能够反映样本组织类型的特征基因.提取出的特征基因对样本聚类的正确率为87.9％,对测试集样本分类的正确率为81.1％,优于特征基因提取前的聚类和分类结果.     

复杂网络视角下跨社交网络用户身份识别研究综述

社交网络是一种具有交互特性的复杂网络,利用复杂网络具有的网络特性可以链接不同社交网络中的节点,并分析节点之间存在的联系,结合相关的匹配算法可以有效地识别出用户在不同社交网络上的虚拟账号,有助于各大社交网络为用户提供更好的服务。该文对近十多年来数据挖掘领域中提出的跨社交网络用户身份识别技术进行了系统性地综述,详细阐述了3类用户身份识别技术相似度的计算方法和统一的识别框架,利用相关的评价指标对分类后的用户身份识别技术进行性能评估,最后展望了跨社交网络用户身份识别技术的未来研究方向。     

基于人工神经网络集成的微阵列数据分类

基因数量远多于样本数量是基因表达微阵列数据进行疾病诊断所面临的主要挑战，为此提出了采用人工神经网络集成的组织分类方法．该方法使用Wilcoxon测试选择用于与分类相关性较高的重要基因，通过凸伪数据法产生神经网络集成中各个体的训练集，用简单平均法集成网络个体的测试结果．采用实际的微阵列实验数据集分别进行独立测试和交叉验证测试，结果表明，该方法性能优于单个神经网络、最近邻法和决策树．受试者特征曲线测试表明，神经网络集成性能优于单个神经网络．     

电信网中业务冲突的研究

介绍了目前研究业务冲突的主要方法:静态检测和避免方法。通过形式化的方法描述电信业务和系统,离线地仿真检测业务冲突,重新设计存在冲突的业务以避免业务冲突;动态检测和解决方法。通过在线检测,实时地提供解决业务冲突的方案。基于对电信网中业务冲突研究现状的分析,讨论了以上方法的优缺点。提出在下一代网络中研究业务冲突应考虑的关键因素以及利用人工免疫学等方法研究业务冲突的新思路。     

RNA干涉和小干涉RNA

RNA干涉(RNA interference.RNAi)可以抑制诸多真核基因的表达,小干涉RNA(small intmference
RNA,siRNA)是RNA干涉的引发物，不同的siRNA可以引导不同水平的RNA干涉，不同种细胞中siRNA的寡核苷
酸链的性质也有很大的不同.非编码RNA中的微小RNA(micnoRNA,miRNA)与siRNA在结构及作用方式等方面有
很多区别和联系.RNAi的作用机制大致有两种：在Drosophila中的一般作用模式和在C.elegans中的扩大作
用模式.利用RNA干涉技术可以通过抑制基因的表达来研究其功能；RNA干涉作为基因治疗的工具，在肝炎
和AIDS的治疗过程中有一定的作用.RNAi的高特异性、高效性、放大效应和无细胞特异性等特点在科研中
得到了广泛的应用.     

结肠癌基因表达谱的特征选取研究

为了找到与结肠癌相关的基因,提高结肠癌样本的识别率,提出了基于Chernoff距离的浮动顺序搜索算法(sequential floating search method, SFSM)。通过对结肠癌基因表达谱数据集的分析,对每个基因进行评价和筛选;对筛选后的基因子集利用SFSM算法进行搜索,并以Chernoff距离作为其评估函数,生成若干候选特征基因子集;利用支持向量机(support vector machine,SVM)、K-近邻(K nearest neighbor,KNN)和径向基(radical basis function,RBF)神经网络分类器来检验候选特征基因子集的分类效果。实验结果表明,利用SFSM及评估函数Chernoff距离发现在参数β=025时能找到最佳的特征基因组合,该组合能以很高的正确率识别结肠癌样本。