首页> 中文学位 >蛋白质相互作用网络功能模块发现的几种社区发现算法的比较分析
【6h】

蛋白质相互作用网络功能模块发现的几种社区发现算法的比较分析

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1 研究背景及现状

§1.2 选题依据和意义

§1.3 文章主体结构

第二章 蛋白质相互作用网络的复杂网络基础

§2.1 蛋白质相互作用网络

§2.2 复杂网络分析

§2.2.1 无标度性

§2.2.2 聚集系数

§2.3 本章小结

第三章 社区发现算法

§3.1 模块度优化算法

§3.1.1 基于聚合思想的社区发现算法

§3.1.2 基于分裂思想的社区发现算法

§3.1.3 模块度寻优的社区发现算法

§3.2 基于信息流的社区发现算法

§3.3 基于谱聚类的社区发现算法

§3.4 基于随机游走的社区发现算法

§3.5 社区发现算法评价

§3.5.1 模块度比较

§3.5.2 纯度的比较

§3.5.3 信息熵的比较

§3.6 本章小结

第四章 总结与展望

参考文献

致谢

附录

展开▼

摘要

近年来,复杂网络理论和系统生物学等复杂科学理论和技术迅猛发展。利用复杂网络方法研究大规模生物分子网络,特别是蛋白质相互作用网络中的功能模块问题得到各领域科研工作者的大量关注。大量研究成果表明,蛋白质相互作用网络中存在功能模块。许多研究者利用复杂网络理论提出了一些社区发现算法来发现蛋白质相互作用网络中的功能模块。
  本文将主要比较分析几种社区发现算法在蛋白质相互网络中的应用的性能。首先利用MIPS生物数据库和科研文献构建了酵母菌蛋白质相互作用网络,并分析其复杂网络的无标度性和平均聚集系数,发现酵母菌蛋白质相互作用网络度分布满足P(k)∝ k?1.536,同时其平均聚集系数要比同等规模的随机网络的平均聚集系数要大得多,这些都暗示酵母菌蛋白质相互作用网络中蕴含着社团结构。然后介绍了基于聚合或分裂思想、模块度优化思想、信息流思想、谱聚类思想和随机游走思想的六种社区发现算法。再结合酵母菌蛋白质相互作用网络功能模块数据应用这六种算法,发现这些算法中有过度学习问题,实际的功能模块要比发现的社团要少得多并且很多小社团匹配同一功能模块。最后用模块度,纯度和信息熵等度量指标来比较分析这些社区发现算法在酵母菌蛋白质相互作用网络上的优劣,发现相比模块度和纯度,用信息熵来评价社团发现算法在功能模块发现问题上更合理。而且这些社区发现算法中FUA算法最为有效。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号