生物复杂网络中功能模块的挖掘PDF电子书下载

第1章 绪论 1

1.1 复杂网络 1

1.1.1 复杂网络的概念 1

1.1.2 复杂网络中的主要参数 4

1.1.3 复杂网络研究概况 5

1.2 复杂网络的模块结构 9

1.2.1 社团的定义及其研究意义 9

1.2.2 社团结构研究现状 10

1.2.2.1 谱聚类方法 10

1.2.2.2 分裂方法 11

1.2.2.3 合并方法 13

1.2.2.4 基于模块度的优化和扩展方法 15

1.2.2.5 基于随机游走模型算法 16

1.2.2.6 多目标优化方法 17

1.3 生物网络中模块结构研究进展 19

1.3.1 基于图论的方法 19

1.3.2 流体力学的方法 21

1.3.3 核连接方法 22

1.3.4 群体智能的方法 23

1.4 模块的多尺度性 24

1.5 生物网络中功能单元组织形式的研究 26

1.6 本书的研究内容 26

1.7 本书的结构和组织 29

第2章 基于收敛空间内结点相似性度量的社团分析 31

2.1 基于新结点相似性的社团分析 31

2.1.1 收敛空间内结点相似性的定义 31

2.1.2 新结点相似性的收敛性证明 35

2.1.3 新结点相似性的鲁棒性和稳定性 36

2.1.4 调节因子α的选取 39

2.1.5 层次聚类 40

2.1.6 算法时间复杂度分析 41

2.2 新结点相似性在挖掘网络社团中的应用 42

2.2.1 ISIM算法在合成网络上的应用 42

2.2.2 ISIM算法在真实网络上的应用 44

2.3 ISIM算法捕捉局部和全局的网络拓扑结构 46

2.4 小结 47

第3章 生物网络中多尺度功能模块挖掘 48

3.1 新结点相似性揭示生物网络中模块的多尺度性 49

3.1.1 ISIMB算法在标准数据集上的性能验证 50

3.1.2 蛋白质相互作用网络中复合物的模块多尺度分析 53

3.1.3 蛋白质和基因相互作用网络中功能模块的多尺度分析 59

3.2 基于网络分割状态的重要模块结构筛选 62

3.3 单尺度模块挖掘方法和多尺度模块挖掘方法之间的关系 65

3.4 小结 67

第4章 多条件下基因共表达网络中功能模块的挖掘 68

4.1 完备基因共表达网络中功能模块的挖掘 68

4.1.1 多条件下基因共表达网络的构建 68

4.1.2 基于最大团的功能模块预测 69

4.2 预测模块的生物功能分析 72

4.2.1 预测模块的基因本体论分析 72

4.2.2 预测模块的示例分析 74

4.3 小结 76

第5章 蛋白质相互作用网络中稀疏和高聚合功能模块的共挖掘 77

5.1 生物网络中功能单元组织形式的研究背景 77

5.2 基于二叉树搜索的功能模块挖掘算法 79

5.2.1 二叉树搜索算法 79

5.2.2 三阈值的选取 83

5.3 BTS方法在不同网络中的应用 84

5.3.1 BTS方法在合成网络中的应用 84

5.3.2 BTS方法在蛋白质相互作用网络中的应用 85

5.3.3 蛋白质相互作用网络中Bi-sparse模块功能分析 91

5.3.4 蛋白质相互作用网络中高聚合模块功能分析 93

5.4 小结 93

第6章 复杂网络的多样性功能模块组织形式探讨 95

6.1 BTS算法性能测试 95

6.2 复杂网络中高聚合模块和Bi-sparse模块的意义 97

6.2.1 社会网络中Bi-sparse模块的意义 97

6.2.2 计算机软件网络中高聚合模块和Bi-sparse模块的意义 98

6.2.3 基因共表达网络中高聚合模块和Bi-sparse模块的意义 100

6.3 复杂网络中高聚合模块和Bi-sparse模块的共存性 101

6.3.1 高聚合模块和Bi-sparse模块的共存性 103

6.3.2 Bi-sparse模块存在的合理性分析 104

6.3.3 Bi-sparse模块的偏好性 106

6.3.4 Bi-sparse模块的大小 107

6.3.5 Bi-sparse模块的组织形式 108

6.4 BTS方法中三阈值的选取 109

6.5 小结 110

第7章 总结和展望 111

7.1 总结 111

7.2 展望 113

参考文献 117