论文部分内容阅读
蛋白质是组成生物体的一切细胞、组织的重要成分,是生命的物质基础。蛋白质参与了机体的所有重要组成部分。一般来说,将蛋白质经过基因剔除式突变并将其移除后造成了生物体的功能丧失,并使生物体致病甚至无法生存,该蛋白质即为关键蛋白质。由于生物体的存活和后代的繁衍都离不开关键蛋白质,因此生命科学中一项重要的研究内容就是识别关键蛋白质。本文在蛋白质相互作用(PPI)网络拓扑结构的基础上,将融合多源生物信息来预测关键蛋白质,主要内容包括以下三个方面:(1)提出了基于改进的PageRank算法EPP(Essential Proteins Predict)识别关键蛋白质。该算法将PPI网络看成是一个不确定的、顶点带有属性的网络,然后在该网络中将重要性排名在前p%的顶点作为关键蛋白质。该方法首先需要计算顶点(即蛋白质)间的相似度,对于相似度的计算,我们综合考虑了蛋白质的可信度及语义相似度信息;其次,对于PPI网络中的每一个顶点我们还考虑了顶点的邻居信息,即计算它的邻域相似度;最后利用上述提出的可信度及语义相似度来计算顶点的重要性。本文提出的算法综合考虑了PPI网络的拓扑信息和蛋白质的生物信息,因此具有复杂度低、识别准确率高的优点。我们利用标准数据集进行测试,实验结果表明,所提出的算法能更准确地识别出更多的关键蛋白质。(2)提出了基于改进的PSO算法EPPSO(EssentialProtein PSO)识别关键蛋白质。在该算法中,我们提出了衡量top-p关键蛋白质的整体性指标,而不是评估蛋白质关键性的单个指标。EPPSO算法采用选取候选解的方法,每一个候选解含有尸个蛋白质,我们整体度量这P个蛋白质的关键性即可。对于整体关键性,我们采用这些蛋白质与其他蛋白质间的联系的紧密度来衡量,即为算法中提出的适应度函数。然后根据粒子群的算法思想,通过跟踪全局最优值及个体最优值来更新该函数。为了评估算法的性能,我们在酵母数据集等标准数据集上运行该算法,实验结果表明与其他经典算法相比,本文算法识别准确率明显优于其他方法。此外,由于本文算法只需识别出P个关键蛋白质即可,而不必根据某种指标逐个计算每个蛋白质的关键性,因此具有较低的计算量。(3)在以上工作的基础上,本文设计了一个基于WEB的在线关键蛋白质识别系统。该系统可以把预测的结果通过图形化的方式体现在系统上,方便高效。经测试该系统运行稳定,界面美观,具有良好的经济价值和社会价值。