学位论文 > 优秀研究生学位论文题录展示

基于蛋白质相互作用网络的聚类和稀疏点检测算法研究

作　者: 彭利红
导　师: 廖波
学　校: 湖南大学
专　业: 计算机系统结构
关键词: PPI网络 K-means聚类方法相似度 AAMV法稀疏点检测
分类号: TP301.6
类　型: 硕士论文
年　份: 2008年
下　载: 212次
引　用: 3次
阅　读: 论文下载

内容摘要

随着人类基因组测序的完成,对蛋白质结构和功能的研究成为基因组学研究的一大热点。研究证明,蛋白质在其功能组中很少以单个个体而存在,一般与功能相似的蛋白质之间存在相互作用。因此,我们可以通过对蛋白质相互作用(Protein-Protein interaction,PPI)网络的研究来预测其功能。本文将在基于PPI网络的聚类及稀疏点检测算法两方面进行研究:提出一种蛋白质功能预测算法——基于算术平均最小值(the Arithmetic Ave- rage Minimum Value, AAMV)的K-means聚类算法。首先,根据蛋白质之间的相互作用,通过人类AD(Alzheimer’s Disease)相关PPI网络图,得出蛋白质之间的关联矩阵;然后,利用AAMV法求得相似度矩阵;接着,鉴于误差平方和准则不能较好的对聚类进行收敛,提出了加权的误差平方和准则;最后,在相似度矩阵的基础上,利用加权的误差平方和准则进行有效收敛,利用K-means聚类方法对PPI网络中的蛋白质进行聚类与功能预测。提出PPI网络中的稀疏点检测算法——基于加权的相似系数和算法。首先,根据蛋白质之间的相互作用,通过人类AD(Alzheimer’s Disease)相关PPI网络图,得出蛋白质之间的关联矩阵;然后,利用最大最小值法求得相似系数矩阵;接着,由于相似系数和不能对PPI网络中的稀疏点进行更好的检测,因此,在相似系数的基础上提出加权的相似系数和方法。最后,根据输入的阈值,利用相似系数和算法得出PPI网络中的稀疏蛋白质。基于人类AD相关PPI网络图,利用基于AAMV的K-means算法对图中蛋白质进行聚类,其结果与Maryland Bridge法和Korbel法所得结果非常相似;利用聚类结果,对四个孤立蛋白质的功能进行预测。同时,利用加权的相似系数和算法对图中的稀疏蛋白质进行检测,实验结果表明:输入的阈值取值在0.01-0.16之间时,其精确度比较高。

全文目录

摘要  5-6
Abstract  6-12
第1章绪论  12-21
  1.1 本文的研究目的  12
  1.2 项目来源  12
  1.3 选题背景和意义  12-17
    1.3.1 生物信息学概念  12-13
    1.3.2 生物信息学的主要研究内容  13-15
    1.3.3 生物信息学的研究目标和任务  15-16
    1.3.4 生物信息学的研究意义  16-17
  1.4 蛋白质组学研究  17-18
  1.5 本文的主要工作及结构安排  18-21
    1.5.1 本文的主要研究内容  18
    1.5.2 本文的组织结构  18-21
第2章生物数据挖掘及PPI 网络概述  21-34
  2.1 生物数据挖掘  21-22
  2.2 聚类分析算法  22-25
    2.2.1 基于划分的方法  22-24
    2.2.2 基于层次的方法  24-25
    2.2.3 基于密度的方法  25
    2.2.4 基于网格的方法  25
    2.2.5 基于模型的方法  25
  2.3 PPI 及其网络  25-29
    2.3.1 大规模PPI 研究的目的及意义  25-26
    2.3.2 大规模PPI 的研究策略及方法  26
    2.3.3 大规模PPI 的研究现状  26-27
    2.3.4 PPI 网络  27-29
  2.4 孤立点挖掘方法  29-32
    2.4.1 基于统计的方法  29-30
    2.4.2 基于距离的方法  30-31
    2.4.3 基于偏离的方法  31
    2.4.4 基于密度的方法  31-32
  2.5 孤立点检测方法研究现状概述  32-33
  2.6 小结  33-34
第3章基于PPI 网络的聚类算法  34-48
  3.1 引言  34-35
  3.2 相似性度量——AAMV 法  35-39
  3.3 聚类准则函数  39
  3.4 基于AAMV 的K-MEANS 聚类算法  39-42
    3.4.1 算法的处理流程  39-40
    3.4.2 算法描述  40-42
  3.5 实验及比较分析  42-46
    3.5.1 利用基于AAMV 的K-means 聚类算法进行聚类的结果  42-44
    3.5.2 利用Maryland Bridge 方法进行聚类的结果  44
    3.5.3 利用Korbel 方法进行聚类的结果  44-45
    3.5.4 实验结果的分析比较  45-46
  3.6 小结  46-48
第4章基于PPI 网络的稀疏点检测  48-59
  4.1 引言  48-49
  4.2 相似度定义  49-51
  4.3 相似系数和  51-52
    4.3.1 相似系数和  51-52
    4.3.2 加权的相似系数和  52
  4.4 基于PPI 网络的稀疏点检测算法  52-55
    4.4.1 算法的处理流程  52-53
    4.4.2 算法描述  53-55
  4.5 实验及其分析  55-58
    4.5.1 实验结果  55-56
    4.5.2 实验结果的分析  56-58
    4.5.3 算法时间复杂度分析  58
  4.6 小结  58-59
结论  59-61
参考文献  61-65
致谢  65-66
附录A 攻读硕士期间发表的论文和参加的项目  66

基于蛋白质相互作用网络的聚类和稀疏点检测算法研究

内容摘要

全文目录

相似论文