面向PCP-MS数据的PPI网络推断算法

论文摘要

随着蛋白质组学的发展,研究者们开始聚焦于人类的全部蛋白质相互作用（Protein-Protein Interaction,PPI）网络的建立,质谱分析技术已成为预测蛋白质相互作用的代表方法。质谱技术是构建蛋白质相互作用网络的主要实验手段之一,基于质谱技术产生了大量的蛋白质纯化数据,如AP-MS数据和PCP-MS数据等。这些数据为PPI网络的构建提供了重要的数据支持,但是通过人工的手段来构建PPI网络不仅低效,而且很不现实。因此,面向PCP-MS数据的网络推断算法是生物信息学研究的一个热点问题。文中针对一类主流的质谱（PCP-MS）数据的PPI网络构建算法问题开展研究,从解决目前存在的瓶颈问题出发,达到构建高质量PPI网络的目的。现有的面向PCP-MS数据的PPI网络推断算法的研究还处于初级阶段,相关方法较少。同时,算法结果的质量还存在着一些问题:1)很多错误的相互作用被包含在不同的推断算法结果中,同时一些正确的相互作用在结果中被遗漏;2)不同的推断算法在同一数据集上的表现差异较大;3)对于不同的数据集,同一算法表现性能的波动方差较大。因此,为了从PCP-MS数据中推断出结构可靠、质量较高的PPI网络,文中提出一种基于相关性分析与排序整合的PPI评分方法。该方法基于无监督学习,包括以下两个步骤:1)计算蛋白质之间的相关系数,得到多组相关性结果;2)采用排序整合的方法对多组结果进行整合,得到整合后的PPI分数。实验结果表明,所提方法在不使用参考标准的情况下,可以达到与有监督学习方法接近的结果。

论文目录

• 1 引言
•   1.1 PPI网络构建问题
•   1.2 相关工作
•   1.3 研究动机与本文主要贡献
• 2 面向PCP-MS数据的PPI网络构建算法
•   2.1 方法描述
•     （1）相关性分析。
•     （2）排序整合。
•   2.2 相关性分析
•     （1）Pearson相关系数
•     （2）Noised-Pearson相关系数
•     （3）Wcc系数
•   2.3 排序整合
•     （1）数据预处理。
•     （2）排序整合。
•     （3） 错误发现率控制。
• 3 实验结果
•   3.1 数据集和参考集
•   3.2 数据集和参考集
•     （1）基于有监督学习方法
•     （2）基于无监督学习方法
•     （3）无监督学习方法与有监督学习方法的比较

文章来源

类型: 期刊论文

作者: 陈征,田博,何增有

关键词: 数据,网络,蛋白质直接相互作用,相关性分析,排序整合

来源: 计算机科学 2019年12期

年度: 2019

分类: 信息科技,基础科学,医药卫生科技

专业: 生物学,生物医学工程,计算机软件及计算机应用

单位: 大连理工大学软件学院

基金: 国家自然科学基金项目(61572094)资助

分类号: Q811.4;TP301.6

页码: 313-321

总页数: 9

文件大小: 2496K

下载量: 55