基于圖理論和互作網(wǎng)絡的蛋白質功能預測研究.pdf

1、蛋白質幾乎參與了細胞生命活動的全程，在其中扮演重要的角色。蛋白質組學收集整合了蛋白質相互作用及其在網(wǎng)絡中不同層次的信息來預測蛋白質功能，繼而掌握生命體疾病發(fā)生以及細胞代謝等過程和規(guī)律，為醫(yī)學研究提供依據(jù)?？茖W家們通過高通量生物實驗和計算方法獲得大量直接或者間接的蛋白質相互作用數(shù)據(jù)，這些數(shù)據(jù)中的假陽性和假陰性噪聲使數(shù)據(jù)質量下降，導致蛋白質功能預測的結果出現(xiàn)偏差，影響了數(shù)據(jù)的準確率。本文針對這些問題，利用蛋白質相互作用網(wǎng)絡圖的相關特點，依據(jù)

2、圖理論的有關特性，引入有向雙關系圖等構圖知識，結合多核學習以及直推式學習方法，構建了以圖理論為基礎的多標記模型，并在酵母和小鼠的蛋白質多源異構數(shù)據(jù)中進行了實驗，驗證了模型的優(yōu)勢以及方法的有效性。
　　針對多源異構蛋白質數(shù)據(jù)信息量巨大，噪聲冗余導致預測結果出現(xiàn)偏差，反映數(shù)據(jù)分布信息不全面，影響預測結果的準確性，本節(jié)采用有向雙關系圖和多核融合的方法預測蛋白質功能。首先使用有向雙關系圖來代替蛋白質網(wǎng)絡和功能網(wǎng)絡間關系，通過圖優(yōu)化策略將功

3、能類別網(wǎng)絡和蛋白質相互作用網(wǎng)絡構成的多個網(wǎng)絡進行融合，最后將融合后的網(wǎng)絡矩陣代入到含有損失函數(shù)的目標方程中，使用最大期望算法預測蛋白質功能，通過在酵母和小鼠上的實驗驗證了方法的有效性。
　　針對多核融合過程中需要多次計算組合系數(shù)，對內存的需求量較大、時間消耗多和現(xiàn)實生活中標簽集非常欠缺的問題，本節(jié)采用了有向雙關系圖和直推式多標記學習方法來進行蛋白質功能預測，將大量的無標記數(shù)據(jù)和部分有標記數(shù)據(jù)結合在一起，通過挖掘它們之間有限的近鄰信