第一章 绪论 1
1.1 蛋白质相互作用网络及随机游走模型 1
1.1.1 蛋白质间的相互作用 1
1.1.2 蛋白质相互作用网络的研究内容 2
1.1.3 随机游走模型 15
1.2 本书的研究意义 19
1.3 本书的主要研究内容 21
1.4 本书的结构 23
第二章 基于加权的随机游走模型预测关键蛋白质 24
2.1 问题来源 24
2.2 加权的随机游走模型及相关定义 26
2.2.1 实验数据和分析 26
2.2.2 直系同源得分 28
2.2.3 边加权 28
2.2.4 计算排序得分 29
2.2.5 ION算法 30
2.3 结果与讨论 33
2.3.1 参数α对ION性能的影响 33
2.3.2 与8种中心性方法的比较 34
2.3.3 基于Precision-Recall曲线比较实验结果 35
2.3.4 基于Jackknife方法比较实验结果 36
2.3.5 ION与其他8种中心性方法的不同 37
2.3.6 ION识别的蛋白质的模块性、直系同源性和关键性 40
2.3.7 直系同源得分 42
2.3.8 基于大肠杆菌数据集验证ION的性能 44
2.4 本章小结 46
第三章 基于加权的PageRank-Nibble算法预测蛋白质复合物 48
3.1 问题来源 48
3.2 WPNCA算法 49
3.2.1 加权的PageRank-Nibble算法 49
3.2.2 挖掘具有核心—附件结构的蛋白质复合物 52
3.3 实验结果 55
3.3.1 实验数据和评价机制 56
3.3.2 参数对预测性能的影响 57
3.3.3 与已知蛋白质复合物的匹配 58
3.3.4 功能富集分析 61
3.3.5 基于Krogan蛋白质相互作用数据的实验结果 65
3.4 本章小结 67
第四章 基于不平衡的双随机游走算法预测蛋白质功能 68
4.1 问题来源 68
4.2 不平衡双随机游走算法及相关定义 69
4.2.1 实验数据 69
4.2.2 构建功能相似性网络 70
4.2.3 已知蛋白质和GO Term关联关系的统计与分析 71
4.2.4 不平衡双随机游走算法 72
4.2.5 评价指标 74
4.3 实验结果 75
4.3.1 基于Precision-Recall曲线下的面积验证性能 76
4.3.2 基于TP-FP曲线验证性能 76
4.3.3 参数对 UBiRW性能的影响 78
4.4 本章小结 79
第五章 基于划分一匹配策略的比对算法挖掘保守的蛋白质复合物 81
5.1 问题来源 81
5.2 方法 82
5.2.1 查找两个物种中蛋白质间潜在的映射关系 83
5.2.2 划分—匹配蛋白质相互作用网络 84
5.3 实验结果 88
5.3.1 实验数据 88
5.3.2 与已知蛋白质复合物匹配 89
5.3.3 保守的蛋白质复合物在生物上的相关性 93
5.3.4 基于AlignNemo的实验数据集验证各个方法 95
5.4 本章小结 97
第六章 总结 99
6.1 主要贡献和创新点 99
6.2 展望 101
参考文献 103
攻读博士学位期间的主要研究成果 121
后记 123