基于介數及模塊度分析復雜生物醫(yī)學網絡社團結構劃分的研究.pdf

1、近年，復雜網絡的研究吸引了包括生物醫(yī)學、社會學和物理學等眾多不同領域科研人員的廣泛關注[1-3]。利用復雜網絡定性、定量以及網絡拓撲結構的研究幫助研究者發(fā)現隱藏在復雜網絡中潛在的、有價值的一般規(guī)律已成為科研工作中極為重要的挑戰(zhàn)性課題。社團結構是復雜網絡現階段公認的最重要的結構特征，分析社團結構特點對分析復雜網絡的結構功能有重要理論意義和實際價值。復雜生物醫(yī)學網絡作為生物系統的抽象形式對生物機理（功能）研究作用重大，針對復雜生物醫(yī)學網絡的

2、研究發(fā)掘網絡中隱藏規(guī)律和信息對臨床醫(yī)學和藥物治療以及醫(yī)學科研都有重要的理論意義和實際意義。
　　本文主要研究經典算法GN（M.Girvan-M. E. J. Newman）算法、FN（Fast-Newman）算法、以及改進的加權GN算法的應用。利用上述算法對HPRD(Human Protein Reference Database)人類蛋白質相互作用數據庫、CORUM哺乳動物蛋白復合物數據庫、Reactome人類生物學反應及信號通

3、路數據庫中蛋白質相互作用數據和中藥文本挖掘相關數據的復雜生物醫(yī)學網絡進行實驗分析。最后將實驗分析結果在生物醫(yī)學領域比較關注的生物過程、亞細胞定位、基因疾病、分子功能、組織表達五大模塊上作驗證分析，進而得出結論。
　　本文所涉 HPRD數據庫中數據在借助 FN算法分組后在基因疾病方面有明顯的區(qū)分度，提示出FN算法在生物醫(yī)學研究上具有潛在應用價值。合理利用數據挖掘算法發(fā)掘隱藏在生物醫(yī)學網絡中潛在的重要信息或一般規(guī)律對基因/蛋白質及疾病