考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多个加权网络,并为每种类型的相互作用网络赋予不同的遍历优先级.基于建立的加权优先级网络,提出一种蛋白质功能预测方法PF_WNP(Pred...考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多个加权网络,并为每种类型的相互作用网络赋予不同的遍历优先级.基于建立的加权优先级网络,提出一种蛋白质功能预测方法PF_WNP(Prediction of Functions based on Weighted Netw orks w ith Priority).对于未注释的蛋白质,算法遍历与该蛋白质相连的具有最高优先级的所有相互作用,形成候选邻居节点集合.最后根据邻居节点集合形成预测的功能集合,并为每一项功能评分、排序.实验结果表明,PF_WNP方法的性能优于其他的功能预测方法.展开更多
文摘考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多个加权网络,并为每种类型的相互作用网络赋予不同的遍历优先级.基于建立的加权优先级网络,提出一种蛋白质功能预测方法PF_WNP(Prediction of Functions based on Weighted Netw orks w ith Priority).对于未注释的蛋白质,算法遍历与该蛋白质相连的具有最高优先级的所有相互作用,形成候选邻居节点集合.最后根据邻居节点集合形成预测的功能集合,并为每一项功能评分、排序.实验结果表明,PF_WNP方法的性能优于其他的功能预测方法.