蛋白质是一切生命的物质基础,是机体细胞的重要组成部分,生物的结构和性状都与蛋白质有关。然而大部分的蛋白质都不能单独运作,而是通过与其他蛋白质发生相互作用来行使功能,相互作用的蛋白质系统成为所有生命活动的基础。将蛋白质作为图的节点,相互作用的蛋白质作为连边,得到蛋白质相互作用网络。已有很多蛋白质相互作用网络数据供研究者使用。依据蛋白质对生物体的不同影响可以将蛋白质大致分为关键蛋白质和非关键蛋白质两类。其中,关键蛋白质是对于生物体生存和保持功能正常运作所必需的蛋白质,它的缺失会造成生物功能丧失,并最终导致生物体无法生存。关键蛋白质的研究不仅能够增加对生命活动的理解,也可以帮助研究人员发现一些致病基因,对生物医学的研究有促进作用。因此对于关键蛋白质的识别成为一项重要的研究工作。近年来复杂网络理论的研究不断深入,借助于这种理论工具可以研究各种大型复杂系统,并解决复杂系统中节点中心性、社区检测、网络传播等问题。在复杂网络理论中,通常将关键蛋白质理解为蛋白质网络中的重要节点,考虑到关键蛋白质具有特定的生物功能,关键蛋白质的研究可以从复杂网络理论中的节点中心性和融合生物信息两个角度作为切入点。节点中心性是衡量各个节点在网络中相对重要性的指标。在网络分析中,对图中某个节点的中心性表征有多种方法,包括度中心性、介数中心性、接近度中心性和特征向量中心性等。融合生物信息是指通过融合生物体在生命活动、细胞组成等方面的生物信息来丰富蛋白质网络信息,例如复合物信息、亚细胞定位信息、基因表达等。其中,复合物是一种由蛋白质组成的高内聚低耦合模块,能相互协作完成特定的生物功能,且研究表明复合物内的关键蛋白质占比更大。亚细胞定位用于准确地定位每个蛋白质所在的细胞类型。本文将利用复杂网络理论,基于蛋白质相互作用网络的拓扑结构,并融合蛋白质复合物、亚细胞定位信息等,来研究关键蛋白质的识别算法。本文主要围绕以下三个方面展开:1.提出了融合复合物信息的方法来识别关键蛋白质。在整个网络中,影响节点重要程度的因素不仅与节点本身的特性有关,也与该节点周围邻居节点在复合物中的特性有关。该方法结合了单个节点在整个网络中的局部和全局的拓扑特性,同时也考虑了节点及它的邻居节点在复合物中的结构特性作为蛋白质的综合性能,并对各个节点的综合性能降序排列最终获得关键蛋白质的备选集,将其命名为CDC与CIBD。这种方法有效地减少了单个数据源噪声对预测准确性的影响,能够提高蛋白质相互作用网络中关键蛋白质的识别准确度,解决了生物实验方法成本昂贵且耗时长的问题。2.提出了混合聚类系数中心性和扩展信息中心性的方法来识别关键蛋白质。依据关键蛋白质在网络上中更易成簇出现,而基于拓扑结构的聚类系数是衡量节点紧密程度的一种指标,因此,将聚类系数应用于识别关键蛋白质中。在整体网络中,每个节点的聚类系数是唯一确定的,但是在不同的复合物中,节点的聚类系数有所不同。混合聚类系数中心性方法延伸了复杂网络中的传统中心性聚类系数,首先定义了节点在复合物内的聚类系数,进而通过综合衡量节点的聚类系数、网络中边的聚类程度以及在各个复合物内节点的聚类系数,对节点进行打分,将其命名为CENC。扩展信息中心性的方法旨在复合物内更好地识别关键蛋白质,首先在复合物内定义了一种新的方法用于寻找复合物中的关键节点,其次整合复合物的出现频率,最后结合网络整体拓扑结构的信息中心性进而获得节点打分,将其命名为EIC方法,实验所提出的方法能够有效提高预测关键蛋白质的准确率。3.提出了融合亚细胞和复合物信息的方法来识别关键蛋白质。通过考虑蛋白质所携带的两种生物信息包括亚细胞定位和复合物信息,明确了蛋白质所属的细胞类型,确定了蛋白质在亚细胞定位信息中的重要性,同时也考虑了蛋白质所在的复合物信息,弥补了单一生物信息在识别关键蛋白质中出现的假阴性现象。通过衡量节点在亚细胞和复合物中出现的频度、并结合亚细胞中各个细胞的重要程度,得到了最终算法SAC,实验证明了融合丰富的生物信息是一种提高识别关键蛋白质的有效途径。