论文部分内容阅读
蛋白质复合体在各种细胞活动中都扮演了非常重要的角色。因此，如何有效地从蛋白质相互作用网络中预测蛋白质复合体成为生物信息学中一项重要的工作。蛋白质复合体具有高密度和核-附加结构等拓扑特征；复合体预测即从大规模蛋白质网络中挖掘出符合复合体特征的子图。本文主要研究如何利用层次聚类和基因本体解决复合体预测中存在的三个挑战，从而提升复合体预测算法的性能。本文的主要研究内容包括以下几个方面：(1)本文将复合体预测问题转换为复杂网络中的社区发现问题，在分析了社区发现中经典的GN算法和HLC算法预测复合体的不足之后，通过融合HLC算法和核-附加结构提出了HLC-CA算法。实验结果表明HLC-CA算法的性能要明显好于其他主流算法。此外，本文推导出HLC-CA的时间复杂度比较低，适合于从大规模网络中挖掘复合体。(2)本文利用由基因本体计算出的蛋白质之间的语义相似度去评估蛋白质相互作用的可靠性，从而解决蛋白质网络的假阳性问题。实验结果表明在处理过后的蛋白质网络上已有复合体预测算法的性能得到了显著的提升。此外，本文通过融合两个蛋白质网络证明解决蛋白质网络假阴性问题能够有效地提升已有算法的性能。(3)本文基于有监督学习的方法提出了SCGO算法。SCGO算法从基因本体中抽取出生物学特征表示蛋白质复合体，接着根据正反例复合体集合构建复合体分类器，然后利用复合体分类器过滤已有算法的预测结果。实验结果表明SCGO算法能够显著提升已有算法的准确率。