内容简介

《生物复杂网络挖掘关键技术研究》从蛋白质互作网络出发，研究生物复杂网络内部存在的链路关系。全书共分为6章，主要内容包括蛋白质互作网络的基础知识和研究现状、利用BenefitRank在加权网络上进行链路预测算法、基于图模型的蛋白质复合物识别算法、基于随机游走模型的蛋白质复合物识别算法以及全书总结。本书提出的蛋白质互作网络的链路预测方法以及蛋白质复合物识别算法，将为复杂生物网络的链路预测以及蛋白质模块识别树立一个很好的范例。

《生物复杂网络挖掘关键技术研究》可供相关专业的研究生、博士生做研究课题时参考使用，也可以作为在生物信息方面进行算法研究的计算机专业人员和相关专业研究人员的参考书。

 

前    言

　　本书是作者在研究生物信息复杂网络方面的一些重要成果的总结，具有以下特色。

　　第一，内容完整、条理清晰，以生物复杂网络中的蛋白质复杂网络为主要研究对象，介绍目前蛋白质相互作用网络的研究特点、现状和作用，以及目前国内外的研究方法和研究热点，对生物复杂网络研究的来龙去脉进行了比较清晰的论述，可为从事生物复杂网络研究的相关人员提供参考。

　　第二，阐述和提出的算法具有坚实的理论基础，算法描述以及实验验证完整清晰，可为相关研究人员提供清晰完整的研究过程和研究结果展示，为相关计算机算法研究和生物复杂网络研究方面的人员提供科学的研究方法和研究过程。

　　全书共分为6章，主要内容包括绪论、蛋白质互作网络研究进展、利用BenefitRank在加权网络上进行链路预测、基于图模型的蛋白质复合物识别、基于随机游走模型的蛋白质复合物识别算法、总结。其中，前两章介绍了蛋白质互作网络的基础知识和研究现状。第3章从蛋白质互作网络拓扑结构特性出发，分析各种蛋白质加权网络的特性，设计了有效的蛋白质相互作用预测算法。第4章在预测后的蛋白质互作网络的基础上研究设计了蛋白质复合物和功能模块识别算法，重点研究生物组学数据中的蛋白质作用组学数据，针对目前较少研究的蛋白质加权网络，定义了新颖的网络链路预测模型，提出了能有效地预测蛋白质互作网络的链路预测算法；在预测后蛋白质互作网络上，根据生物学中蛋白质复合物的结构特性，定义了新的复合物模型和算法，模型有效并且能够识别出从统计意义上证明有意义的蛋白质复合物和模块，预测了一定数量的未知蛋白质的功能。第5章提出一个能够过滤掉蛋白质互作网络上假阴性、假阳性数据的蛋白质复合物识别算法，将会对生物学家进行蛋白质复合物的研究具有指导意义，对生物实验发挥重要作用。第6章是全书的总结。

　　本书条理清晰，层次分明，可供相关专业的研究生、博士生做研究课题时参考使用，也可以作为在生物信息方面进行算法研究的计算机专业人员和相关专业研究人员的参考书。

　　本书是作者在导师朱杨勇和熊赟老师的指导下完成的，并受到复旦大学计算机科学技术学院数据科学中心全体研究人员的帮助和指正，在此表示衷心的感谢！书中引用了大量国内外学者的学术文献和研究成果，在此对他们表示衷心的感谢！

　　由于作者水平有限，书中难免存在不足之处，希望广大读者批评指正！

　　

　　                                  林志杰  

　　                                 2014年12月12日

目    录

第1章  绪论 1

1.1  蛋白质互作网络 3

1.1.1  蛋白质相互作用数据库 4

1.1.2  算法预测的蛋白质相互作用数据库 7

1.2  蛋白质互作网络相关研究 12

1.2.1  蛋白质相互作用的预测 14

1.2.2  蛋白质复合物的识别 14

1.2.3  蛋白质网络比对 16

1.2.4  蛋白质网络可视化 17

1.3  本章小结 18

第2章  蛋白质互作网络的研究进展 19

2.1  蛋白质相互作用的预测 20

2.2  传统的预测PPI方法 22

2.3  检测PPI的计算方法 25

2.3.1  基于基因组信息的计算方法 25

2.3.2  基于进化信息的计算方法 26

2.3.3  基于蛋白质三维结构的计算方法 27

2.3.4  基于领域数据的计算方法 28

2.3.5  基于蛋白质一级结构的预测方法 29

2.3.6  基于图论的预测方法 30

2.4  蛋白质复合物的识别 31

2.4.1  基于图划分的蛋白质复合物识别 32

2.4.2  基于层次聚类的蛋白质复合物识别 32

2.4.3  基于密度局部搜索的蛋白质复合物识别 33

2.4.4  其他方法 35

2.4.5  融合多元数据的蛋白质复合物挖掘研究 35

2.5  本章小结 36

第3章  利用BenefitRank在加权网络上进行链路预测 37

3.1  链路预测问题的分析 39

3.2  相关工作 41

3.3  相关背景知识 43

3.3.1  图的相关知识 43

3.3.2  马尔科夫性质 45

3.3.3  弱连接与强连接 46

3.4  问题定义 48

3.5  利用BenefitRank链路预测算法 50

3.5.1  预测算法相关定义 50

3.5.2  BenefitRank值的计算 52

3.6  链路预测相似性函数定义 54

3.6.1  基于共同邻居的BenefitRank度量 56

3.6.2  基于Adamic-Adar的BenefitRank度量 56

3.6.3  基于资源分配的BenefitRank度量 57

3.7  实验结果 58

3.7.1  实验数据集介绍 58

3.7.2  实验设置 59

3.7.3  实验结果与分析 59

3.8  本章小结 68

第4章  基于图模型的蛋白质复合物识别 70

4.1  HP-index图模型分析 73

4.2  问题描述与定义 74

4.3  基于HP-index图模型的蛋白质复合物识别算法分析 76

4.3.1  HP-index图模型的蛋白质复合物识别算法描述 77

4.3.2  算法分析 79

4.4  实验结果 79

4.5  本章小结 85

第5章  基于随机游走模型的蛋白质复合物识别算法 87

5.1  图上的随机游走理论 90

5.2  随机过程 91

5.3  基因本体论相关研究 91

5.3.1  GO的结构 92

5.3.2  GO的应用 95

5.4  蛋白质网络上的随机游走 96

5.4.1  经典算法 96

5.4.2  重启型随机游走 97

5.5  蛋白质加权网络上的随机游走 98

5.6  基于GO语义相似性的假阳性过滤 102

5.7  基于随机游走的蛋白质复合物识别算法 105

5.8  实验结果与分析 108

5.8.1  实验数据 108

5.8.2  评价标准 110

5.8.3  结果分析 112

5.9  本章小结 114

第6章  总结 116

参考文献 120