基于重启随机游走算法的生物信息学关联预测模型

本文提出了基于重启随机游走算法的预测模型(RWRCMF)经实验证明可以高效地预测人类miRNA与自身疾病之间的潜在关联。首先,在数据预处理阶段,本文针对疾病的语义相似性和miRNA的功能相似性运用重启随机游走算法得到二者的拓扑网络相似性。其次,利用加权K最近邻(WKNKN)算法降低了已知miRNA-疾病关联矩阵的稀疏性,再通过高斯核函数计算得出miRNA和疾病各自的高斯核相似性。最终通过协同矩阵分解完成目标函数的构造得到miRNA-疾病之间的关联预测得分。最终模型经过机器学习中的留一交叉验证和五折交叉验证后得到的AUC值分别为0.9506和0.9468,并通过对比实验证明了该模型相较于以往的关联预测模型有着较高的预测性能。

结合重要节点信任传播的社会化推荐算法

融合社交信息的推荐算法有效缓解了推荐算法中的数据稀疏性问题和冷启动问题,近年来受到极大的关注。但社交信息依然存在数据稀疏性问题,而且社交网络提供的二值数据无法衡量不同用户间的信任程度。针对这些问题,利用重启随机游走算法获取社交网络中的重要节点。提出重要节点信任传播算法建立重要节点和其他用户节点之间的信任关系,同时利用节点的结构信息进一步量化用户间的信任权重,以得到更精确的推荐结果。在三个公开数据集上的实验表明,结合重要节点信任传播的社会化推荐算法(INTP-Rec)丰富了社交信息,有效地提高了推荐算法的准确率和召回率。

基于网络方法确定乳腺癌转移相关基因

乳腺癌是女性最常见的恶性肿瘤之一,其发展是一个长期的、多阶段、多基因改变积累的过程。临床及实验研究发现,在乳腺癌发展与转移的过程中,许多原癌基因、抑癌基因及相关蛋白质发生改变。本文提出了一种结合随机游走重启算法的综合模型,并将其应用于乳腺癌骨转移关键候选基因的鉴定中,在蛋白质相互作用网络上识别乳腺癌转移候选基因。首先利用RWR算法和置换检验规则对基因进行预选,得到候选基因集。然后构建一个候选基因间的关键子网并计算关键子网中节点的介数中心性。最后,利用交互得分规则对基因筛选,选择介数得分排名前三十的基因作为乳腺癌骨转移关键基因。相互作用分析、富集分析及文献挖掘的结果表明26个潜在的关键基因都参与了乳腺癌骨转移的起始或进程,验证了该综合模型的有效性。

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。

基于ESU图的活动社交网络用户参加活动推荐

活动社交网络(EBSNs)为用户提供了方便的组织、参加和分享社交活动的平台。该文面向EBSNs活动推荐问题,提出了包含活动(Event)、主办方(Sponsor)和用户(User)的ESU图模型,深入揭示了EBSNs的实体及其社交关系。因为用户参加活动受多个因素影响,我们提出了基于ESU图的活动推荐多因素决策模型,包括社交影响力、活动内容、活动地点及活动时间。根据ESU图特点,提出了基于双向重启随机游走算法BD-RWR的实体重要度计算方法。选取真实的EBSNs平台-豆瓣同城验证所提方法的有效性。实验结果表明,该文提出的ESU图模型及融合了多因素的活动推荐模型,与已有最新方法相比,有效地提升了用户参加活动的推荐效果。