蛋白質(zhì)相互作用網(wǎng)絡(luò)實驗對比分析.pdf

1、測序人類基因組工作已經(jīng)逐步形成，研究蛋白質(zhì)之間的相互影響及作用成為研究的一個非常重要的課題。如何利用和開發(fā)PPIs(Protein-Protein Interactions)信息及PIN(Protein-protein Interactions Network)來分析和預測蛋白質(zhì)的功能成為了生命信息科學領(lǐng)域的一大熱點。
　　本文通過運用基于蛋白質(zhì)相互作用網(wǎng)絡(luò)利用生物信息學的預測方法，構(gòu)建功能蛋白質(zhì)相互作用的網(wǎng)絡(luò)，采用蛋白質(zhì)相互作用

2、網(wǎng)絡(luò)新的聚類方法，建立細胞功能相關(guān)的模型，闡明細胞功能分子運行機制、預測蛋白質(zhì)功能及相互作用等方面的問題，以解決生物學問題。
　　為更準確預測蛋白質(zhì)的功能，本文對算術(shù)平均最小值的K-means聚類算法進行改進，利用改進的AAMV的K-means聚類算法對蛋白質(zhì)進行功能預測。首先根據(jù)蛋白質(zhì)之間的相互作用，通過人類AD（Alzheimer’s Disease）相關(guān)PPI網(wǎng)絡(luò)圖，得出蛋白質(zhì)之間的關(guān)聯(lián)矩陣；然后利用AAMV法求得相似度矩陣

3、；最后，在相似度矩陣的基礎(chǔ)上，利用本文提出的加權(quán)誤差平方和準則進行有效收斂，利用改進的K-means聚類方法對PPI網(wǎng)絡(luò)中的蛋白質(zhì)進行聚類與功能預測。
　　本文設(shè)計實驗比較三種改進的算法的AAMV法的K-means，Maryland Bridge和Korbel算法。分析三種算法的時間復雜度發(fā)現(xiàn)基于改進的AAMV的K-means算法與Maryland Bridge方法的復雜度均為O(n)，Korbel方法時間復雜度為O(n4)，實驗