一种基于蛋白质交互网络链接预测的新方法

当前可用的生物数据在不断地迅速增长,仍有很多生物信息如蛋白质交互信息(protein-protein interac-tion,PPI)还未被发现,而这些潜在的或未知的信息对生物过程的研究是至关重要的。近年来,对未知生物信息的挖掘和研究吸引了很多人的关注。通过实验检测方法来发现这些信息是非常耗时耗力的,所以链接预测成为一种新的挖掘这些信息的指导方法。基于蛋白质交互网络并融合了基因表达数据信息,从拓扑和基因表达两个方面的信息来构建PPI权值网络,提出了一种在权值网络中基于相似度比较的链接预测的新方法来预测PPI网络中未知的交互信息。使用MIPS数据库评估了实验结果,表明了该算法有很好的准确率和良好的性能。

基于动态加权PPI网络的关键蛋白质识别算法

与静态PPI网络相比,动态PPI网络更能体现蛋白质之间相互作用的真实情况,并有效降低PPI网络中的假阴性。现有的关键蛋白质预测方法主要应用在静态PPI网络,忽视了PPI网络的动态特性。为有效预测关键蛋白质,利用基因表达数据提取蛋白质的动态信息,再结合静态PPI网络构建动态PPI网络,然后引入GO术语对网络加权,并基于动态加权PPI网络提出一种新的预测方法——DWE。该方法以蛋白质在动态网络中的动态加权边之和与蛋白质在动态网络中出现的次数的比值衡量蛋白质在网络中的关键性。实验结果表明动态加权PPI网络有助于提高关键蛋白质的预测精度,且DWE方法优于其他几种关键蛋白质预测方法。

蛋白质交互网络模块化的数据分析

生物网络的模块化是生物系统鲁棒性的一个基本前提。首先根据已有的算法分析改进了经典的谱方法,提出了一个提高模块化方法分辨率的策略。采用不同来源的蛋白质网络来计算地分析网络的模块化属性,发现尽管这些蛋白质网络都展现了较高的模块化程度,但模块化的程度受到数据来源的影响。同时还发现基因在全基因组复制以后,会倾向于在同一个模块中出现,这说明复制基因功能不会产生特别大的差异,使得当删除一个复制基因时,模块内的另一个复制基因会有功能的补偿。

Protein-HVGAE:一种双曲空间中的蛋白质编码方法

蛋白质相互作用(PPI)网络中的蛋白质功能预测、蛋白质交互预测和复合物识别是生物信息学的重要任务,非常依赖于对蛋白质的编码。由于PPI网络是由少量中枢节点主导的无标度网络,传统欧氏空间嵌入方法难以捕捉网络中的层次结构,导致蛋白质编码效果并不理想。提出一种基于双曲空间图嵌入的蛋白质自编码器Protein-HVGAE,该模型采用两个双曲图卷积网络作为编码器,计算隐藏层的均值和方差,并在不同曲率的双曲空间中捕捉网络的层次结构,以区分各节点的低维表示;采用Fermi-Dirac函数做解码器,在双曲空间上通过内积运算重构网络。实验结果表明,该模型在3个PPI数据集中的两个下游任务(PPI预测和蛋白质功能预测)上的表现优于以往在欧氏空间中的编码方法(在PPI预测中AUC值高于VGAE模型0.07左右,在蛋白质功能预测中Macro-F1值高于VGAE模型0.02左右)。

LPI-MAM:以miRNAs为中介基于深度学习预测lncRNA-蛋白质相互作用

长链非编码RNA (Long non-coding RNAs, lncRNAs)是细胞增殖和死亡的重要调控因子,它的失调可能会导致多种疾病发生。LncRNAs主要是通过与蛋白质相互作用(lncRNA-protein interactions, lncRPIs)来发挥生物学功能。因此,研究lncRPIs对了解lncRNAs的功能及相关疾病至关重要。目前,多数计算方法依赖于已知的验证过的lncRPIs构建模型,但经过实验验证的样本是有限的。MiRNAs主要是与mRNAs结合导致基因沉默,而lncRNAs可作为竞争性内源性RNA,竞争性的结合miRNAs来间接地调节基因表达。本文提出LPI-MAM方法,使用miRNAs作为中间体来扩大lncRPIs的预测范围。该方法将序列、结构和组成转换分布特征融合,输入卷积神经网络和独立循环神经网络的集成深度学习框架中。结果表明,LPI-MAM在基准数据集上取得了良好的性能。并且通过构建可视化交互网络发现该模型具有预测未知lncRPIs的能力。

基于多标签传播机制的蛋白质相互作用网络功能模块检测

鉴于多标签传播算法在发现社会网络的社区结构研究上具有快速、高效的求解能力,提出融合多源蛋白质生物学知识的基于多标签传播机制的蛋白质相互作用(PPI)网络功能模块检测算法.首先,结合PPI网络功能信息和结构信息初始化节点的标签.然后,利用基因表达数据描述蛋白质间的共表达性,依据共表达性构建标签集合,从中选择标签以实现标签在节点间真实可靠的传播.最后,将具有相同标识符的节点划分到同一功能模块中,获得最终结果.实验表明文中算法不仅具有良好的时间性能,而且在检测精度上也具有一定的竞争性.

融合Doc2vec与GCN的多类型蛋白质相互作用预测方法

多类型蛋白质−蛋白质相互作用(protein-protein interaction,PPI)的研究是从系统角度理解生物过程和揭示疾病机制的基础。现有的GNN-PPI、PIPR等针对多类型PPI预测方法在采用广度和深度优先搜索对数据集进行划分时,测试准确率会显著下降,因此本文基于Doc2vec方法思想和图卷积神经网络(graph convolutional network,GCN)技术,提出了一种新的多类型PPI预测方法GDP(GCN Doc2vec PPI)。该方法无需依赖蛋白质的物理和生物学特性,仅用序列信息对蛋白质进行编码,并结合网络结构信息对蛋白质进行特征聚合形成PPI信息,从而对其进行多类型预测。实验结果表明,该方法在不同规模的真实数据中可以有效地提高多类型PPI预测准确率,尤其是在训练集中未曾见过的新蛋白质之间的PPI。

基于蛋白质相互作用网络的孤立点检测

分析孤立点检测方法,总结国内外孤立点的研究现状,基于相似度系数和矩阵对蛋白质进行聚类,把大于某一阈值的蛋白质列入稀疏蛋白质集中,基于相似系数对蛋白质相互作用网络中的孤立点进行了检测。

蛋白质相互作用研究中的计算方法综述

随着分子生物学的研究进入以蛋白质组学为标志的后基因组时代,蛋白质相互作用成为蛋白质组学研究的一个重要主题.因为计算方法代价低和周期短的特点,它被广泛地用来分析相互作用数据从而指导生物学家的实验设计.从蛋白质相互作用网络的构建到分析两个方面综述了蛋白质相互作用研究中的各种计算方法:介绍了通过机器学习方法预测、文本挖掘和评估相互作用的各种技术;特别详细地阐述了相互作用网络的重要参数和典型生物模型,并对运用图论方法分析和计算的各种算法进行了深入的剖析;最后,对蛋白质相互作用的计算研究进行了总结和展望.

基于计算的蛋白质复合物预测方法综述

蛋白质是生命活动的物质基础,直接参与、执行生命的活动过程。大多数蛋白质通过相互作用形成复合物来实现各种生物功能,因此预测蛋白质复合物有助于了解复合物的结构及其功能,也为细胞机制的研究奠定了重要基础。目前,随着高通量实验技术的不断发展,全基因组蛋白质相互作用(PPI)数据日益增多,领域内已经出现了很多基于计算的蛋白质复合物预测方法。虽然现有方法各具特色与优势,但也存在一些不足。首先,针对现有基于计算的蛋白质复合物预测方法进行了分类和比较全面、详细的分析评述;接着,介绍了复合物预测中常用的评价指标和主要数据集,并比较和分析了几种代表性方法的预测性能;最后,对复合物预测方法进行了总结与展望,提出了今后有待解决的若干问题。希望通过对各类方法的分析与比较,为相关人员使用和研究基于计算的蛋白质复合物预测方法提供有价值的参考和方向指引。

一种基于复合物参与度的关键蛋白质预测方法

针对在交互网络上的关键蛋白质识别通常只关注节点在拓扑层面上的一些特性,但关键蛋白质识别过程中有必要结合蛋白质功能方面的信息,提出了一种基于复合物参与度的关键蛋白质预测方法 DPC(Degree of Participation in Complexes),该方法考虑节点在复合物中邻居节点的数量,综合了蛋白质在复合物内部以及在全局总体上的拓扑特性.在酵母蛋白质网络上的实验结果表明,DPC在关键蛋白质识别率方面明显优于其他六种经典的节点中心性拓扑参数,并且DPC能够识别出参与多个复合物的蛋白质,与关键蛋白质的生物意义相吻合.

局部路径相似度的蛋白质链接预测

首先寻找蛋白质交互网络中的社区结构,得到基于节点度的局部路径相似度,然后预测蛋白质之间的链接。在蛋白质交互网络数据集上,与七种经典的链接预测方法进行了比较。

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。

基于图嵌入和布谷鸟搜索的二步蛋白质复合物预测方法

本文构造了一种基于图嵌入技术和布谷鸟搜索的二步蛋白质复合物预测方法(TSSComplex),该算法可在蛋白质交互(PPI)网络上探测蛋白质复合物。采用图嵌入技术,更新边权的计算方式,使得边权同时兼顾了网络的拓扑结构和空间结构。将布谷鸟算法和传统的复合物搜索算法NEOComplex相结合,构成了TSSComplex算法,使用TSSComplex算法既能有效控制复合物中包含的蛋白质数量,又不会遗漏一些小型复合物。将该算法用于最新的人类PPI网络进行实验分析,获得了22.78%的精度和18.62%的召回率(使用传统的NEOComplex算法,其精度和召回率从47%降到了0%)。同时,又定义了最优重合率,用来衡量探测到的复合物能否尽可能地包含已知复合物。实验发现,在参考复合物集合中,有55.43%的复合物能够完全包含在某个通过预测获得的复合物中。另一方面,在参考复合物集合中,有94.78%的复合物,其最优重合率超过了50%。研究结果显示,在蛋白质交互信息大量增加的情况下,TSSComplex算法依然具有一定的精度,且能够为进一步精确探测复合物缩小搜索范围。

SIAP:一种蛋白质复合物识别分布式算法

针对AP算法运算时间消耗过高,相似性矩阵参考度值影响聚类效果等问题,本文提出了一种基于Spark改进的AP算法,首先对无权的数据集应用融合的ECC(边聚集系数)和CD算法进行加权处理,并根据加权的结果设置相似性矩阵的参考度提高聚类精度,并在Spark平台并行化改进AP算法减少运算时间。应用PPI数据,识别蛋白质复合物,并引入F值聚类评价指标对结果进行比较,实验结果表明:该算法在不同的PPI网络上均有较高的聚类精度优于clusterone等经典的聚类算法,并且提高了运行效率,有良好的扩展性。

融合时序保持特征和蚁群聚类的动态PPI网络复合物识别

由于蛋白质的相互作用是动态变化的,因此使用常规检测方法从静态PPI网络数据中识别蛋白质复合物具有一定的局限性.本文结合时序基因表达数据,提出了一个基于时序功能保持特征和蚁群聚类的复合物检测算法.算法首先根据相邻时刻的子网结构,选出在相邻时刻都具有表达活性的种子节点集合.然后结合复合物的保持特征,构建一组与前一时刻复合物集合具有功能相似性的初始蛋白质簇集合,并利用蚁群聚类的拾起、放下规则,完成对其他蛋白质的聚类,从而形成最终的复合物.实验结果表明使用时序功能保持特征可以提高复合物预测的准确性,与其他方法相比,新算法在精度方面也具有较好的性能.

面向PCP-MS数据的PPI网络推断算法

随着蛋白质组学的发展,研究者们开始聚焦于人类的全部蛋白质相互作用(Protein-Protein Interaction,PPI)网络的建立,质谱分析技术已成为预测蛋白质相互作用的代表方法。质谱技术是构建蛋白质相互作用网络的主要实验手段之一,基于质谱技术产生了大量的蛋白质纯化数据,如AP-MS数据和PCP-MS数据等。这些数据为PPI网络的构建提供了重要的数据支持,但是通过人工的手段来构建PPI网络不仅低效,而且很不现实。因此,面向PCP-MS数据的网络推断算法是生物信息学研究的一个热点问题。文中针对一类主流的质谱(PCP-MS)数据的PPI网络构建算法问题开展研究,从解决目前存在的瓶颈问题出发,达到构建高质量PPI网络的目的。现有的面向PCP-MS数据的PPI网络推断算法的研究还处于初级阶段,相关方法较少。同时,算法结果的质量还存在着一些问题:1)很多错误的相互作用被包含在不同的推断算法结果中,同时一些正确的相互作用在结果中被遗漏;2)不同的推断算法在同一数据集上的表现差异较大;3)对于不同的数据集,同一算法表现性能的波动方差较大。因此,为了从PCP-MS数据中推断出结构可靠、质量较高的PPI网络,文中提出一种基于相关性分析与排序整合的PPI评分方法。该方法基于无监督学习,包括以下两个步骤:1)计算蛋白质之间的相关系数,得到多组相关性结果;2)采用排序整合的方法对多组结果进行整合,得到整合后的PPI分数。实验结果表明,所提方法在不使用参考标准的情况下,可以达到与有监督学习方法接近的结果。

融合人工鱼群机理的PPI网络聚类模型与算法

预测蛋白质交互作用(Protein-Protein Interaction,PPI)网络中未知蛋白质的功能,是生物信息学的一个研究热点。目前基于功能流的方法能有效地解决PPI网络的聚类问题,但是其正确率偏低、时间复杂度较高。为此提出了一种融合人工鱼群机理的PPI网络聚类模型与算法:将人工鱼看作一组聚类中心,觅食行为是指从每个聚类中心开始向它的邻接结点搜索并添加结点到该聚类模块中;接下来将目标函数值最大的人工鱼对应的一组聚类模块看作初始的聚类结果,对应鱼群的追尾行为;剩下的人工鱼开始执行聚群行为,判断对应的聚类模块与初始的聚类结果之间的相似度。如果相似度低于给定的阈值,则将聚类模块添加到初始的聚类结果中。PPI数据集上的仿真实验表明,该算法可以自动确定聚类数目,而且聚类结果的正确率和算法的运行效率都优于功能流算法。

一种新的图划分算法在PPI网络模块化中的研究

为了探测一组连接紧密的功能模块以便为蛋白质的功能预测提供许多有用的信息,提出了一种基于蛋白质相似度的图划分聚类算法,基于节点间最短路径数构建度量函数,以及模块度最优化作为算法终止条件。结果表明该算法能够较为准确地发现稠密的蛋白质功能模块。

基于蚁群聚类的动态加权PPI网络复合物挖掘

针对基于蚁群聚类的蛋白质复合物挖掘算法中,静态PPI网络难以真实反映细胞的动态特性,收敛速度较慢、聚类准确性和召回率不高等问题,提出一种基于模糊粒度和紧密度的蚁群聚类动态加权PPI网络复合物挖掘方法(FGCDACC-DPC)。首先基于动态PPI网络的拓扑特性和生物特性设计了综合性权值度量(comprehensive weight metric,CWM),准确描述了蛋白质之间的相互作用;其次根据复合物的基本特征,构建一组稠密且高度共表达的复合核,然后设计模糊粒度和紧密度的拾起放下模型对其余节点聚类,降低了计算复杂度和随机性,加快聚类速度;最后基于功能信息传递和时序功能相关的思想分别构建了局部和全局权值更新策略,实现不同代蚁群和不同时刻网络之间的功能信息传递,提高聚类准确性。将FGCDACC-DPC算法应用在DIP数据上进行复合物挖掘,实验结果表明该算法的精度和召回率较高,能够较准确地识别蛋白质复合物。