蛋白質(zhì)網(wǎng)絡(luò)模塊分解的密度聚類算法研究.pdf

1、自從生物信息學(xué)的研究進入到后基因組學(xué)時代，基因組信息學(xué)的研究重心從揭示生命的遺傳信息轉(zhuǎn)移到從分子整體水平上對基因功能的研究上，從整體水平上反映基因功能的蛋白質(zhì)網(wǎng)絡(luò)隨之成為研究的重點。高通量的生物技術(shù)產(chǎn)生了大量的蛋白質(zhì)網(wǎng)絡(luò)數(shù)據(jù)，現(xiàn)有實驗結(jié)果表明蛋白質(zhì)網(wǎng)絡(luò)是由相互作用的、可劃分的功能模塊所組成。檢測這些功能模塊對于了解蛋白質(zhì)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)是非常重要的。目前已有的三級分子聯(lián)合體識別算法(MCODE)，派系過濾算法(CPM)和馬爾可夫聚類(MC

2、L)等方法只是檢測網(wǎng)絡(luò)中“稠密”的簇而忽略了蛋白質(zhì)網(wǎng)絡(luò)自身的屬性——簇有著不同的尺寸、密度和形狀。本文根據(jù)蛋白質(zhì)網(wǎng)絡(luò)中模塊拓撲結(jié)構(gòu)的多樣性，提出了一種應(yīng)用于蛋白質(zhì)網(wǎng)絡(luò)的基于譜理論的密度聚類算法。它通過圖的Laplacian譜映射將聚類對象映射到特征空間，在特征空間進行相似度的度量并構(gòu)造相似性矩陣，最后用密度算法DBSCAN進行聚類。這種聚類方法既保留了譜聚類方法從局部信息獲取全局信息的能力，又可以從含有噪聲的蛋白質(zhì)網(wǎng)絡(luò)中發(fā)現(xiàn)任意形狀的聚