基于贪婪算法的疾病相关蛋白质子网搜索

各种研究结果不断证明,人类各种常见疾病都属于复杂疾病,是由多基因、多因素、遗传和环境共同作用的结果。借助于高通量生物技术的飞速发展,生物学家建立起了蛋白交互网络,如果借助复杂网络研究的方法,从这些网络中找出与疾病相关的蛋白质子网络,将有助于我们更深入地了解生物体的运作机制。本文提出了一种基于贪婪算法的搜索方法,能够自动地搜索整个网络中的子网或模块,并且能够结合芯片数据同时进行T检验来判断子网络对疾病表型的区分能力。通过计算子网的P值,给出该蛋白质子网络的统计显著性值并进行区分能力排序。运行结果表明,本方法不但能够用于发现已知的疾病蛋白,而且能够对未知的蛋白进行预测,结合生物芯片技术,将会对疾病基因的研究提供有价值的信息。

基于动态网络切分的关键蛋白质预测方法

关键蛋白质作为蛋白质中的关键物质,不仅对研究细胞生长调控有着重要意义,也为更深层次的疾病研究奠定理论基础.目前,针对关键蛋白质的识别方法大多为应用基因表达信息和蛋白质相互作用网络,提出识别关键蛋白质的静态和动态网络方法,但这些方法未考虑基因表达调控的周期性规律,无法准确地刻画受基因周期调控的蛋白质网络.为此,在基因表达动态性的基础上引入了基因周期性表达的概念,提出了一种动态网络切分方法.该方法通过构建基因“活性”表达矩阵,利用切分后的“活性”表达矩阵作用于蛋白质相互作用网络,从而形成蛋白质周期子网络,最终综合各周期子网络来衡量蛋白质结点在网络中的重要性.实验结果表明,该方法在酵母、大肠杆菌和人类膀胱数据中可以有效地提高关键蛋白质预测率.