基于高維稀疏矩陣隱特征分析的蛋白質(zhì)相互作用預(yù)測技術(shù)研究.pdf

1、理解蛋白質(zhì)間是否存在相互作用以及存在的相互作用所行使的功能，是理解生命活動的基礎(chǔ)。利用蛋白質(zhì)間的相互作用信息構(gòu)建復(fù)雜的相互作用網(wǎng)絡(luò)，建立蛋白質(zhì)間的功能聯(lián)系，能夠為從整體上掌握生命的運行機(jī)制提供有益信息。雖然研究者通過生物實驗方法確定了模式生物蛋白質(zhì)間的一些相互作用，但是這樣的研究進(jìn)程較慢，對建立完整的蛋白質(zhì)相互作用網(wǎng)絡(luò)是遠(yuǎn)遠(yuǎn)不夠的。
　　隨著數(shù)據(jù)挖掘技術(shù)的逐漸成熟，已有很多研究者將數(shù)據(jù)挖掘算法應(yīng)用于生物信息學(xué)的蛋白質(zhì)分析任務(wù)上，對

2、蛋白質(zhì)間相互作用進(jìn)行預(yù)測，為實驗指明了方向。現(xiàn)有處理蛋白質(zhì)間相互作用的方法如聚類、貝葉斯等，大多算法簡單，預(yù)測精度不高，并且難以處理高維稀疏的數(shù)據(jù)。而隨著蛋白質(zhì)組學(xué)研究的推進(jìn)，如今的生物數(shù)據(jù)中已知蛋白質(zhì)數(shù)量變得非常龐大，而他們之間的相互作用信息卻大多未知，這樣的數(shù)據(jù)網(wǎng)絡(luò)即高維稀疏網(wǎng)絡(luò)。在這樣的數(shù)據(jù)上，基礎(chǔ)的算法難以準(zhǔn)確的預(yù)測，并且需要消耗大量的資源和時間。而隱特征分析由于只依賴于已知數(shù)據(jù)分析，能夠很好的分析高維稀疏矩陣。
　　本文

3、首先介紹了基于奇異值分解的矩陣分解模型和在其基礎(chǔ)上發(fā)展而來的一般隱特征模型，隱特征模型具有能處理高維稀疏矩陣的特點，但是一般隱特征模型有著不穩(wěn)定，可能出現(xiàn)過擬合的問題，另外蛋白質(zhì)相互作用網(wǎng)絡(luò)為無向網(wǎng)絡(luò)而非一般隱特征模型處理的二部圖。因此，我們對其進(jìn)行了多種優(yōu)化和修改，提高隱特征模型的精度，并提出對稱模型使其能分析無向圖。本文的主要工作為：1）對隱特征模型進(jìn)行深入的研究，在一般隱特征模型的基礎(chǔ)上，通過非負(fù)乘法更新達(dá)成非負(fù)約束，通過在目標(biāo)函