基于不确定性PPI网络的最大稠密子图挖掘

研究表明使用PPI数据进行蛋白质功能预测是很有意义的。然而,从生物学实验得到的PPI数据一般是含有噪声的、不完全的和不精确的,这使得将PPI网络作为不确定图来处理变得更加合理。提出了一种基于深度优先搜索策略和点扩展的挖掘算法,它可以有效地从不确定的PPI网络中挖掘最大稠密子图。该算法使用了几种高效的剪枝技术来提高挖掘的时间效率。在酵母菌PPI数据上的实验结果表明该算法在精度和效率上都有很好的表现。

不确定性PPI网络链接预测

蛋白质交互网络预测是后基因组时代生物学中很重要的研究内容。到目前为止,对蛋白质交互网络相互作用的预测都是假设相互作用是确定的。但是,蛋白质交互网络和其它的一些生物数据会因为实验检测方法的局限性而呈现出不确定性。提出了一种基于信息传播的不确定性PPI网络的链接预测算法。在每个顶点对上按其出现链接的概率定义了链接信息量,该算法将边上的链接信息量在图上以一定的概率来传播。利用标准数据集进行测试,实验结果表明,所提出的算法具有很好的准确率和良好的生物统计特性。