基于動態(tài)PPI網(wǎng)絡的關鍵蛋白質(zhì)檢測方法研究.pdf

1、關鍵蛋白質(zhì)是生物體生存和繁殖所必需的蛋白質(zhì)，研究關鍵蛋白質(zhì)有助于我們理解細胞生命的最低需求。高通量技術的發(fā)展使得可用的蛋白質(zhì)相互作用(Protein-Protein interaction,PPI)數(shù)據(jù)越來越多，利用這些數(shù)據(jù)，研究者們提出了許多基于網(wǎng)絡拓撲特性檢測關鍵蛋白質(zhì)的方法。這些方法大都將 PPI網(wǎng)絡看作一個靜態(tài)圖，而實際上，PPI網(wǎng)絡是隨著時間和環(huán)境等因素的變化而變化的，這一重要的固有動態(tài)性沒有得到足夠的重視。本文引入動態(tài) PP

2、I網(wǎng)絡，將蛋白質(zhì)在動態(tài) PPI網(wǎng)絡上的拓撲特性與生物信息相結合，從而提升關鍵蛋白質(zhì)的檢測效果。基于這一思想，本文提出了以下兩種關鍵蛋白質(zhì)檢測方法。
　　考慮到動態(tài)PPI網(wǎng)絡能更真實的反映網(wǎng)絡的變化，邊聚集系數(shù)能較為有效的減少網(wǎng)絡中假陽性邊產(chǎn)生的負面影響，本文以動態(tài)邊聚集系數(shù)之和來衡量蛋白質(zhì)節(jié)點在動態(tài)PPI網(wǎng)絡中的拓撲特性。由于不同蛋白質(zhì)傳遞的信息量有所不同，本文以蛋白質(zhì)在復合物中的動態(tài)信息熵來評估蛋白質(zhì)的生物意義。結合以上兩個衡量

3、指標，本文提出了基于動態(tài)邊聚集系數(shù)與信息熵的關鍵蛋白質(zhì)檢測方法——CDEI方法。在DIP和MIPS的酵母PPI網(wǎng)絡上的比較結果表明，CDEI方法的效果優(yōu)于DC(Degree Centrality)、LAC(Local Average Connectivity)、SoECC(Sum of Edge Clustering Coefficient)、PeC和CoEWC(Co-Expression Weighted by Clustering

4、coefficient)這五種方法，且能檢測到更多被其他方法忽略的關鍵蛋白質(zhì)。在MIPS中，CDEI方法的優(yōu)勢表現(xiàn)得更為突出。
　　一方面，蛋白質(zhì)的關鍵性與PPI網(wǎng)絡的模塊化性質(zhì)密切相關，局部平均連通度正是從模塊性的角度出發(fā)，衡量蛋白質(zhì)的拓撲地位。另一方面，蛋白質(zhì)的關鍵性是復合物的產(chǎn)物，且不同的蛋白質(zhì)在復合物中的重要性不同，因此，本文利用動態(tài)復合物中心性來衡量蛋白質(zhì)的生物意義。綜合考慮以上兩個方面，本文結合動態(tài)局部平均連通度和動態(tài)