基于文化算法的PPI网络功能模块检测方法

为了解决蛋白质相互作用(protein-protein interaction,PPI)网络功能模块检测问题,提出一种基于文化算法的PPI网络功能模块检测(CA-FMD)方法.首先,每个个体采用基于节点邻居有序表的编码方式表示功能模块检测问题的一个可行解.然后,利用文化算法的双层进化机制获得最优解,其中,上层机制用来模拟信念空间中群体经验的进化,下层机制用来刻画种群空间中个体的进化.最后,借助2个空间的相互作用和影响完成解的优化.在3个数据集上的实验结果表明:与其他算法相比,CA-FMD方法在多项评价指标上都具有明显的优势.     

基于花授粉算法的蛋白质网络功能模块检测方法

揭示未知蛋白质功能是后基因时代蛋白质组学中的核心内容之一,运用群集智能思想识别蛋白质相互作用网络(protein-protein interaction network, PPIN)中的功能模块已经成为该领域的一个研究热点。提出一种基于花授粉算法(flower pollination algorithm, FPA)的蛋白质相互作用网络功能模块检测方法(FPA for functional module detection in PPIN, FPA-FMD)。采用随机游走的方式对种群中的每个花粉进行编码,并利用花授粉算法特有的自花授粉和异花授粉机制优化种群,其中自花授粉采用重组策略和取优策略,异花授粉采用基于Levy机制的变异策略和基于差异度的自适应变异策略,4种策略分别从不同角度推进了种群的进化。在3个公共数据集上的仿真试验表明:与其他6种经典算法相比,本研究提出的算法的整体性能优良而且在F度量和准确度两项综合指标上具有绝对优势。     

基于蝙蝠算法的蛋白质网络功能模块检测

为了得到更好的蛋白质功能模块,揭示蛋白质的功能,利用蝙蝠算法对蛋白质相互作用网络(PPINs)进行功能模块检测. 每个蝙蝠个体所在的位置代表一种候选的功能模块划分,将PPIN中每个蛋白质节点与其所有邻居节点组成邻居有序表,采用在邻居有序表中随机游走的编码方式进行种群的初始化;在种群优化过程中,设计定向局部扰动、随机扰动、基于距离和频率的自适应变异、自然选择4种寻优机制来进行解的随机优化. 在5个不同规模的酵母菌PPIN数据集上,将所提出方法与6种经典算法进行对比实验. 结果表明,所提出方法检测到的功能模块中有较多模块与标准模块相匹配,并且所提出算法在覆盖率、召回率、灵敏度、正的预测率、准确度评价指标上均表现突出,验证了所提出方法的有效性.     

快速的基于蚁群聚类的PPI网络功能模块检测方法

针对蚁群聚类在蛋白质相互作用( protein-protein interaction,PPI)网络中进行功能模块检测问题上时间性能的不足,提出一种快速的基于蚁群聚类的PPI网络功能模块检测( fast ant colony clustering for functional module detection, FACC-FMD)方法。该算法计算每个蛋白质与核心组蛋白质的相似度,根据拾起放下模型进行聚类,得到的初始聚类结果中功能模块之间相似度很小,省去了原始蚁群聚类算法中的合并和过滤操作,缩短了求解时间。同时该算法根据蛋白质的关键性对蚁群聚类中的拾起放下操作做了更严格的约束,以减少拾起放下的次数,加速了聚类的过程。在多个PPI网络上的实验表明：与原始蚁群聚类方法相比,FACC-FMD大幅度提高了时间性能,同时取得了良好的检测质量,而且与近年来的一些经典算法相比在多项性能指标上也具有一定的优势。     

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。     

基于距离测定的蛋白质复合物识别算法

针对蛋白质相互作用网络聚类算法标识已知蛋白质复合物数量有限的问题,提出了一种新的基于距离测定的蛋白质复合物识别算法IPC-DM。该算法基于对已知复合物内蛋白质之间的最短距离一般不超过2的发现,利用新的种子-扩充模型,大大提高了识别蛋白质复合物的准确性。基于酵母蛋白质相互作用网络的实验表明,算法IPC-DM较其他5种典型的蛋白质复合物识别算法MCODE、RNSC、CFinder、LCMA和DPClus具有更好的蛋白质复合物识别能力。     

水稻组织特异性蛋白质相互作用网络构建方法

组织特异的基因表达和蛋白质相互作用是研究基因调控、蛋白质功能、细胞过程的重要部分.相较于其他模式生物在蛋白质相互作用研究方面的进展,高等模式植物水稻中组织特异性蛋白质相互作用的研究十分缺乏.因此,提出了一种用于水稻组织特异性蛋白质相互作用网络构建的计算方法.该方法主要包含三部分:第一,在统一标准下融合多数据识别组织特异的基因;第二,提出了新的同源映射方法,并集成6种模式生物相互作用数据构建和评估目标物种蛋白质相互作用网络;第三,构建不同组织的蛋白质相互作用子网,并筛选高可靠的蛋白质相互作用.为了验证方法的有效性,构建并分析了水稻首个组织特异的蛋白质相互作用网络(PTSN4R:Predicted Tissue-Specific Network for Rice). PTSN4R包含了水稻23个组织的组织特异基因及对应的组织特异蛋白质相互作用子网,为分析组织特异的基因表达和蛋白质相互作用提供了便利条件. PTSN4R有助于理解水稻的生长调控机制,为水稻增产提供线索.同时,提出的方法能够方便的应用到其他物种,促进组织特异的蛋白质相互作用网络的研究.     

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。     

基于集成学习方法的蛋白质相互作用预测

针对蛋白质相互作用的预测问题,提出了集成学习的方法.该方法使用人工神经网络和支持向量机为成员分类器的集成学习方法,并分别用自协方差编码方式和二肽组成来表示蛋白质序列的特征集合,预测的准确率和ROC曲线面积分别达到92.16%、94.38%和0.972 5、0.981 5.通过对成员分类器、集成学习方法以及集成学习方法之间的预测效果进行比较,结果表明,集成学习方法可获得更优的预测效果,并能有效提高预测精度,避免采样学习带来的不稳定性.     

应用集成神经网络预测蛋白质相互作用位点

蛋白质相互作用位点在现代药物设计与构建蛋白质相互作用网络方面有着重要的意义。基于一个含有35个蛋白质分子的数据集,首先提取蛋白质的序列谱、熵值、可及表面积3种特征,然后运用误差反向传播神经网络以及其集成对蛋白质的相互作用位点进行了预测。采用35次留一法(一倍交叉验证)进行训练与测试,结果显示每当加入一种新特征时,预测结果都有相应的提高,并且把神经网络集成时,结果又有了一定程度的提高。     

基于典型相关分析的复杂网络模块挖掘算法

利用典型相关分析(CCA)分析了复杂网络中的功能模块及其相互关系,并将其转化为LASSO回归优化问题,提高了结果的可解释性。在此基础上,提出了一种模块及其相互关系的挖掘算法。该算法不仅能准确挖掘网络中的功能模块,而且还能同时度量模块之间的相关程度。人工生成数据集和DBLP数据集上的模拟实验表明,提出的算法能准确地挖掘网络中的功能模块及其相关性。     

基于ISODATA算法的城市变化检测

为验证ISODATA分类算法在变化检测中的可行性,利用人为对宜昌市TM影像加入改变的影像和原始图像,对比像素差值法进行ISODATA分类检测。然后利用武汉市多时相遥感影像,进行像素差值法、ISODATA分类算法的变化检测,以对城市的变化进行分析。实验结果表明,2种检测方法结果差别不大,但ISODATA算法有其优越性,证明ISODATA算法在变化检测中有一定的可行性。     

ROLS-AWS algorithm used in RBF neural network for multi-user detection

To improve the computational speed, the ROLS-AWS algorithm was employed in the RBF based MUD receiver. The radial basis function was introduced into the multi-user detection （MUD） firstly. Then a three-layer neural network demodulation spread-spectrum signal model in the synchronous Gauss channel was given and the multi-user detection receiver was analyzed intensively. Simulations by computer illustrate that the proposed RBF based MUD receiver employing the ROKS-AWS algorithm is better than conventional detectors and common BP neural network based MUD receivers on suppressing multiple access interference and near-far resistance.