• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Bioinformatics and Computational Biology >IDENTIFICATION OF FUNCTIONAL MODULES IN A PPI NETWORK BY BOUNDED DIAMETER CLUSTERING
【24h】

IDENTIFICATION OF FUNCTIONAL MODULES IN A PPI NETWORK BY BOUNDED DIAMETER CLUSTERING

机译：通过有界直径聚类识别PPI网络中的功能模块

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

Dense subgraphs of Protein–Protein Interaction (PPI) graphs are assumed to be potential functional modules and play an important role in inferring the functional behavior of proteins. Increasing amount of available PPI data implies a fast, accurate approach of biological complex identification. Therefore, there are different models and algorithms in identifying functional modules. This paper describes a new graph theoretic clustering algorithm that detects densely connected regions in a large PPI graph. The method is based on finding bounded diameter subgraphs around a seed node. The algorithm has the advantage of being very simple and efficient when compared with other graph clustering methods. This algorithm is tested on the yeast PPI graph and the results are compared with MCL, Core-Attachment, and MCODE algorithms.
机译：蛋白质-蛋白质相互作用（PPI）图的密集子图被认为是潜在的功能模块，并且在推断蛋白质的功能行为中起重要作用。可用PPI数据数量的增加意味着对生物复合物进行鉴定的快速，准确的方法。因此，在识别功能模块时有不同的模型和算法。本文介绍了一种新的图论聚类算法，该算法可检测大型PPI图中的密集连接区域。该方法基于找到种子节点周围的有界直径子图。与其他图聚类方法相比，该算法具有非常简单和高效的优势。在酵母PPI图上测试了该算法，并将结果与​​MCL，Core-Attachment和MCODE算法进行了比较。

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