基于蛋白质相互作用网络的肺癌骨转移基因识别方法

肿瘤转移通常发生在癌症晚期,是一个复杂且致命的过程,发现与肿瘤转移相关的基因对肿瘤的治疗和预后有着至关重要的作用。通过计算方法发现肿瘤转移基因,相对于昂贵且耗时的生物学方更加高效。基于蛋白质-蛋白质相互作用网络(PPIN),论文提出了一种结合随机游动重启(RWR)算法的模型来识别肺癌骨转移相关基因。此外,通过置换检验规则、交互得分规则和富集分析三种方法对基因进一步筛选,最终获得了12个与肺癌骨转移有关的关键基因。文献挖掘的结果证明大部分基因直接或间接参与了肺癌骨转移过程,验证了该计算方法的有效性。这一项工作有望为肿瘤转移的临床试验提供靶标基因。

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。

蛋白质相互作用网络功能模块检测的研究综述

蛋白质相互作用(Protein-protein interaction,PPI)网络是生命活动中一种极其重要的生物分子关系网络,利用计算方法从PPI网络中检测功能模块是目前生物信息学中一项重要的研究课题.本文首先总结了功能模块检测过程的基本流程,说明了预处理和后处理的作用;其次,提出了一种模块检测方法的分类体系,并对其中一些代表性的检测算法进行了阐述;再次,给出了模块检测常用的数据库、评价指标和相关软件工具,并通过实验对代表性算法进行了性能对比.最后,通过对该领域挑战性问题的分析预测了模块检测未来的研究方向,以期对相关研究提供一定的参考.

动态加权蛋白质相互作用网络构建及其应用研究

一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此,动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法 D-PIN(Dynamic protein interaction networks).基于三个不同的酵母相互作用网络实验结果表明,D-PIN方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.

蛋白质相互作用网络进化分析研究进展

近年来,随着高通量实验技术的发展和广泛应用,越来越多可利用的蛋白质相互作用网络数据开始出现.这些数据为进化研究提供了新的视角.从蛋白质、蛋白质相互作用、模体、模块直到整个网络五个层次,综述了近年来蛋白质相互作用网络进化研究领域的主要进展,侧重于探讨蛋白质相互作用、模体、模块直到整个网络对蛋白质进化的约束作用,以及蛋白质相互作用网络不同于随机网络特性的起源和进化等问题.总结了前人工作给学术界的启示,探讨了该领域未来可能的发展方向.

蛋白质相互作用及互作网络的生物信息学分析

后基因组时代的最终目标是认识真正执行生命活动的全部蛋白质的表达规律和生物学功能,即蛋白质组学研究。关键的挑战之一就是对蛋白质相互作用网络的研究,将有助于从系统角度加深对细胞结构和功能的认识,并且为新药靶位点的发现和药物设计提供理论基础。目前,用生物信息学的手段来研究蛋白质相互作用网络显示出巨大的优势,主要包括蛋白质相互作用网络的绘制与显示、网络的拓扑结构分析、网络结构模块的研究及网络的比对等。文章试图从生物信息学的角度认识蛋白质相互作用,并总结蛋白质相互作用网络的生物信息学分析方法。

蛋白质相互作用网络的蜂群信息流聚类模型与算法

蛋白质相互作用网络的聚类算法研究是充分理解分子的结构、功能及识别蛋白质的功能模块的重要方法.很多传统聚类算法对于蛋白质相互作用网络聚类效果不佳.功能流模拟算法是一种新型聚类算法,但该算法没有考虑到距离的作用效果并且需要人为地设置合并阈值,带有主观性.文中提出了一种新颖的基于蜂群优化机理的信息流聚类模型与算法.该方法中,数据预处理采用结点网络综合特征值的排序来初始化聚类中心,将蜂群算法的蜜源位置对应于其聚类中心,蜜源的收益度大小对应于模块间的相似度,采蜜蜂结点的所有邻接点按照结点网络综合特征值的降序排列,作为侦察蜂的搜索邻域.采用正确率、查全率等指标对聚类效果做出客观评价,并对算法的一些关键参数进行仿真、对比与分析.结果表明新算法不仅克服了原功能流模拟算法的缺点,且其正确率和查全率的几何平均值最高,能够有效地识别蛋白质功能模块.

基于蛋白质相互作用网络分析右归丸治疗肾阳虚证的疗效机制

目的建立右归丸治疗肾阳虚证疗效相关的差异蛋白质相互作用网络,探索右归丸治疗肾阳虚证的疗效机制。方法对前期实验取得的蛋白质组数据作进一步数据挖掘。首先筛选肾阳虚证患者经右归丸治疗前后比较的差异表达蛋白,再采用STRING数据库构建差异蛋白质相互作用网络,定位网络中关键蛋白质相互作用关系,并以Ami GO数据库对联系紧密的蛋白质作Gene Ontology(GO)条目富集。结果筛选到7个差异表达蛋白质(P<0.05)。这7个蛋白质与另外10个预测蛋白质构成的差异蛋白质相互作用网络包含17个节点(蛋白质)、57条边(相互作用关系),其中22个蛋白质相互作用关系的综合置信值>0.7,其中C3、C5和CFH均为补体系统重要成分,其功能主要与免疫调节有关。结论右归丸对肾阳虚证的调控作用包括补体激活、创伤愈合、体液水平调节等多个方面,其中对补体系统的调节作用可能为右归丸促进肾阳虚证免疫平衡的重要机制之一。

蛋白质相互作用网络演化模型研究进展

研究蛋白质相互作用网络的演化机制及模型对于理解生物系统的进化及组织形成过程具有重要的意义。到目前为止,已经出现了多种依赖不同演化机制的蛋白质相互作用网络演化模型,这些模型有针对性地体现了真实蛋白质相互作用网络中出现的某些拓扑特征,但同时也具有一定的局限性。通过对典型蛋白质相互作用网络演化模型进行研究,从模型的构建机理、演化模型及真实蛋白质相互作用网络的拓扑特征等方面进行了分析和比较,并总结了各个模型的特点。最后,对蛋白质网络演化模型的进一步发展提出了自己的看法,为深入理解蛋白质相互作用网络演化模型提供有益参考。

基于最短路径的蛋白质相互作用网络拓扑分析

为了进行对蛋白质相互作用网络的拓扑分析,应用最短路径技术对蛋白质相互作用数据库(DIP)中包括酵母在内的7个物种的8个蛋白质相互作用网络进行了研究,包括对网络直径、特征路径长度、连通效率、顶点介数与顶点度的相关性以及高介数边和长间隔边在网络连通中的作用的研究。分析发现,这些网络对随机移除一定数量的蛋白质顶点(或边)具有很好的健壮性,但对高介数顶点(或边)的确定性移除却相当脆弱,而且按顺序移除2%高介数顶点所引起的网络连通效率下降明显大于随机移除10%顶点所引起的网络连通效率变化;所研究的7个物种的网络都存在不同比例的边缺失替代路径,绝大多数网络在移除一定比例的长间隔边后网络连通效率下降。

基于图聚类的蛋白质相互作用网络功能模块探测

作者采用了基于模块性的图聚类算法来探测蛋白质相互作用网络中的集团,在具有2 617个节点11855个相互作用的酵母蛋白质相互作用网络中探测出177个集团,同时采用慕尼黑信息中心(Munich Information Center,MIPS)的层次功能注释对其进行了注释,并且验证得到的集团的确是内部连接紧密的子图。

基于贝叶斯网络和相互作用可信度的蛋白质功能预测方法

蛋白质功能注释是后基因组时代研究的核心内容之一，基于蛋白质相互作用网络的蛋白质功能预测方法越来越受到研究者们的关注。提出了一种基于贝叶斯网络和蛋白质相互作用可信度的蛋白质功能预测方法。该方法在功能预测过程中为待注释的蛋白质建立贝叶斯网络预测模型，并充分考虑了蛋白质相互作用的可信度问题。在构建的芽殖酵母数据集上的三重交叉验证测试表明，在功能预测过程中考虑蛋白质可信度能够有效地提高功能预测的性能。与现有一些算法相比，该方法能够给出令人满意的预测效果。

蛋白质相互作用网络的几种聚类方法综述

蛋白质相互作用网络是后基因组时代系统生物学研究的重要内容。针对蛋白质相互作用网络中的聚类问题,介绍了几种代表性的聚类分析方法,初步分析了这些方法的特点,指出了当前研究工作的困难与挑战,并对今后的研究方向作了展望。

基于蛋白质相互作用网络的DDoS攻击检测

DDo S攻击一直严重威胁着网络的安全,针对DDo S攻击的检测与防御是网络安全研究中的一个重要课题.利用蛋白质相互作用网络中的功能预测特点,设计了一个DDo S攻击检测及追踪方案.该方案在分时统计的基础上创建RTCT值,并在服务器端根据不同的RTCT值来生成不同的个体,利用特征熵值构建个体蛋白质相互作用网络,并通过与目标蛋白质相互作用网络对比来检测是否有攻击发生;当有攻击发生的时候,分解RTCT值并锁定攻击源.该方案对DDo S攻击的检测较为敏感,在复杂的网络拓扑结构中能够准确的检测出DDo S攻击并锁定攻击源,模拟实验研究结果表明了该机制是高效的.

蛋白质相互作用网络分析的图聚类方法研究进展

随着可获得的大规模蛋白质相互作用数据的迅速增长,从系统水平上对细胞机制的基本组件和结构的理解成为了一种可能。如今所面临的最大挑战是如何通过分析此类复杂的相互作用数据来反映细胞组织、进程以及功能的规律。基于图理论的聚类方法是分析蛋白质相互作用数据的有效手段。本文将从蛋白质相互作用网络(PPI网络)的图模型、聚类算法、评估方法及应用几个方面描述PPI网络聚类分析的最新研究进展。最后,讨论该方向研究所面临的挑战及进一步的研究方向。

啤酒酵母、秀丽线虫和大肠杆菌蛋白质相互作用网络的近似二分模式分析

在深入分析啤酒酵母、秀丽线虫和大肠杆菌的蛋白质-蛋白质相互作用(PPI)网络模式的基础上,针对近似二分模式的挖掘,改进已有模型并提出了二分系数这一评价标准.实验结果表明,在相同条件下,所提出的模型比先前的模型效果略好,可以有效地挖掘出PPI网络中的近似二分模式.

骨质疏松症蛋白质相互作用网络的构建和分子复合物通路预测

背景:在蛋白质相互作用网络的基础上研究骨质疏松症,可以更深入全面了解其发生发展机制。目的:建立基于骨质疏松症遗传相关基因的蛋白质相互作用网络,对其中所含分子复合物涉及的生物学通路进行预测。方法:筛选在线人类孟德尔遗传数据库中的骨质疏松症遗传相关基因,应用Cytoscape软件和插件Agilent Literature Search,进行文本挖掘并建立骨质疏松症的蛋白质相互作用网络;应用插件Clusterviz,发现网络中的可能包含的分子复合物;基于DAVID,富集分子复合物的生物学通路。结果与结论:人类孟德尔遗传数据库中骨质疏松遗传相关基因有177个。骨质疏松症的蛋白质相互作用网络包含863个节点(蛋白质)、2925条边(相互作用关系),可能包含4个分子复合物。其中分子复合物3涉及免疫细胞表面分子及其相互黏附、细胞因子与其受体的结合、造血和止血功能等生物学通路;分子复合物4与糖尿病的发生有一定关系。

蛋白质相互作用网络研究的引文分析

目的:通过对蛋白质相互作用网络文献的同被引分析,得出其研究热点。方法:下载SCI数据库中蛋白质相互作用网络文献及其引文,统计引文频次,取被引频次超过33、累计百分比约为10%的58篇文献作为高被引论文,对来源-引文矩阵进行层次聚类分析,利用Ucinet软件对高被引文献的同被引矩阵进行k核分析,阅读文献得到该主题的研究热点。结果:高被引文献聚类分析得到6个研究热点。结论:蛋白质相互作用网络的热点主要集中于蛋白质相互作用网络数据的分析处理、生物网络中功能模块的研究、蛋白质相互作用的数据库建立、蛋白质相互作用网络拓扑结构的分析、关于蛋白质相互作用数据的分析软件、蛋白质相互作用网络的预测。

基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究进展

蛋白质相互作用网络中的模块化结构通常对应于蛋白质复合物或者蛋白质功能模块。基于蛋白质相互作用网络预测蛋白质复合物和功能模块不仅有助于理解生命有机体的细胞生物过程,而且可为探讨疾病的发生、发展和治疗以及合理的药物开发提供重要的基础。本文通过回顾近二十年来基于蛋白质相互作用网络的蛋白质复合物和功能模块预测算法研究的发展历程,按照静态蛋白质相互作用网络(SPIN)和动态蛋白质相互作用网络(DPIN)两个方向分别梳理预测算法所涉及的方法和技术,同时归纳常用的数据集并分析所面临的问题,为进一步研究提供有价值的参考。

基于人工免疫系统的蛋白质相互作用网络聚类算法

提出了一种基于人工免疫特性的蛋白质相互作用(PPI)网络聚类模型与算法以期提高其辨识准确率。在该算法中将聚类中心作为抗原,将邻接的节点作为抗体,通过计算抗体与抗原之间的亲和度,将其作为记忆细胞把节点划分到聚类中;然后选择优秀抗体作为疫苗,尝试将疫苗注入聚类模块并进行更新,通过与注射前的模块适应度进行比较,不断更新记忆细胞。对PPI数据集上的数据进行了仿真,实验结果表明,与功能流算法(FLOW)相比,所提方法的正确率和查全率的几何平均值均得到了提高。