...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE/ACM transactions on computational biology and bioinformatics >MPGM: Scalable and Accurate Multiple Network Alignment
【24h】

MPGM: Scalable and Accurate Multiple Network Alignment

机译：MPGM：可扩展和准确的多个网络对齐

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Protein-protein interaction (PPI) network alignment is a canonical operation to transfer biological knowledge among species. The alignment of PPI-networks has many applications, such as the prediction of protein function, detection of conserved network motifs, and the reconstruction of species' phylogenetic relationships. A good multiple-network alignment (MNA), by considering the data related to several species, provides a deep understanding of biological networks and system-level cellular processes. With the massive amounts of available PPI data and the increasing number of known PPI networks, the problem of MNA is gaining more attention in the systems-biology studies. In this paper, we introduce a new scalable and accurate algorithm, called MPGM, for aligning multiple networks. The MPGM algorithm has two main steps: (i) SeedGeneration and (ii) MultiplePercolation. In the first step, to generate an initial set of seed tuples, the SeedGeneration algorithm uses only protein sequence similarities. In the second step, to align remaining unmatched nodes, the MultiplePercolation algorithm uses network structures and the seed tuples generated from the first step. We show that, with respect to different evaluation criteria, MPGM outperforms the other state-of-the-art algorithms. In addition, we guarantee the performance of MPGM under certain classes of network models. We introduce a sampling-based stochastic model for generating k correlated networks. We prove that for this model if a sufficient number of seed tuples are available, the MULTIPLEPERCOLATION algorithm correctly aligns almost all the nodes. Our theoretical results are supported by experimental evaluations over synthetic networks.
机译：蛋白质 - 蛋白质相互作用（PPI）网络对准是传递物种之间的生物学知识的规范操作。 PPI网络的对准具有许多应用，例如蛋白质功能的预测，保守网络图案的检测以及物种的系统发育关系的重建。通过考虑与多种物种相关的数据，提供了良好的多网络对准（MNA），为生物网络和系统级蜂窝过程提供了深刻的理解。利用大量可用的PPI数据和已知的PPI网络数量越来越多，MNA的问题在系统 - 生物学研究中获得更多关注。在本文中，我们介绍了一种新的可扩展和准确的算法，称为MPGM，用于对齐多个网络。 MPGM算法有两个主要步骤：（i）种子变量和（ii）多重晶体。在第一步中，为了产生初始种子元组，种类算法仅使用蛋白质序列相似度。在第二步中，为了使剩余的无与伦比的节点对齐，多个渗透算法使用网络结构和从第一步产生的种子组元组。我们表明，关于不同的评估标准，MPGM优于其他最先进的算法。此外，我们保证了在某些网络模型中的MPGM的性能。我们介绍了一种基于采样的随机模型，用于生成K相关网络。我们证明，对于此模型，如果有足够数量的种子元组，则多个悬浮算法几乎正确对齐所有节点。我们对合成网络的实验评估支持我们的理论结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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