動(dòng)態(tài)蛋白質(zhì)復(fù)合物挖掘與保守復(fù)合物進(jìn)化研究.pdf

1、蛋白質(zhì)復(fù)合物由網(wǎng)絡(luò)中多個(gè)相互連接緊密的蛋白質(zhì)形成，執(zhí)行特定的生物功能。動(dòng)態(tài)蛋白質(zhì)相互作用(PPI，Protein-Protein Interaction)網(wǎng)絡(luò)在一定程度上能夠反映真實(shí)世界PPI的動(dòng)態(tài)過(guò)程，有利于揭示疾病的形成及發(fā)展過(guò)程。比較分析表明PPI網(wǎng)絡(luò)往往是保守的，且同源組中保留著物種間的鏡像功能。動(dòng)態(tài)蛋白質(zhì)復(fù)合物的挖掘與物種間蛋白質(zhì)復(fù)合物的保守和特異組分具有極其重要的研究意義。目前大多數(shù)研究者構(gòu)建的動(dòng)態(tài)PPI網(wǎng)絡(luò)和復(fù)合物挖掘算法

2、有效性還有待提高，復(fù)合物的動(dòng)態(tài)特性也往往被忽略。本文開(kāi)展基于時(shí)序基因表達(dá)數(shù)據(jù)的動(dòng)態(tài)蛋白質(zhì)網(wǎng)絡(luò)構(gòu)建、動(dòng)態(tài)復(fù)合物挖掘以及跨物種復(fù)合物保守和特異組分分析的研究，主要研究工作和創(chuàng)新包括:
　　第一，設(shè)計(jì)基于基因表達(dá)值偏離程度的蛋白質(zhì)活性識(shí)別方法，并由此構(gòu)建時(shí)間演變的動(dòng)態(tài)蛋白質(zhì)相互作用網(wǎng)絡(luò)（TEPIN，Time-Evolving Protein Interaction Network）。由于各個(gè)蛋白質(zhì)之間相互影響程度不同，本文提出基于連接親

3、和度和基因共表達(dá)的PPI網(wǎng)絡(luò)加權(quán)方法，以此量化各個(gè)蛋白質(zhì)之間相互作用的強(qiáng)弱程度。為了驗(yàn)證TEPIN及其加權(quán)方法的有效性，本文采用三個(gè)經(jīng)典的算法分別從TEPIN及現(xiàn)有的經(jīng)典動(dòng)態(tài)網(wǎng)絡(luò)中挖掘蛋白質(zhì)復(fù)合物。實(shí)驗(yàn)結(jié)果表明:各算法在TEPIN上的特異性、敏感度、綜合評(píng)分、匹配程度和功能富集性等方面的性能都比其余網(wǎng)絡(luò)明顯更優(yōu)越;此外，網(wǎng)絡(luò)的加權(quán)可以較好地反映蛋白質(zhì)相互作用網(wǎng)絡(luò)中的生物屬性。
　　第二，基于動(dòng)態(tài)的蛋白質(zhì)相互作用網(wǎng)絡(luò)和蛋白質(zhì)復(fù)合物本

4、身的拓?fù)鋵傩院蜕锾卣?，本文提出基于?dòng)態(tài)核依附的蛋白質(zhì)復(fù)合物挖掘算法(DCA，Dynamic Core-Attachment)。DCA算法從動(dòng)態(tài)蛋白質(zhì)相互網(wǎng)絡(luò)中捕獲復(fù)合物中具有動(dòng)態(tài)性的核依附特征，將動(dòng)態(tài)時(shí)序特性融入蛋白質(zhì)復(fù)合物的挖掘。實(shí)驗(yàn)結(jié)果表明:DCA算法在準(zhǔn)確率、hF-measure、功能富集性分析等多個(gè)評(píng)價(jià)指標(biāo)上明顯優(yōu)于已有的TS-OCD等九個(gè)經(jīng)典算法，顯著提高了蛋白質(zhì)復(fù)合物挖掘的準(zhǔn)確率及生物意義。
　　第三，通過(guò)對(duì)比CAM