[发明专利]一种引入序列信息的残基相互作用网络比对方法SI-MAGNA

说明书

本发明公开了一种引入序列信息的残基相互作用网络比对算法SI‑MAGNA，属于计算机应用技术领域。本发明方法是基于完全依靠网络拓扑信息的MAGNA比对算法框架，在其优化函数中引入了蛋白质的序列信息相似性得分并提出SI‑MAGNA算法。它计算种群成员适应度值，将两个父代比对通过交叉函数择优产生一个适应度值更高的子代比对，迭代循环，当满足终止条件时，退出循环，输出比对结果。本发明方法利用算法SI‑MAGNA的在残基相互作用网络比对上的准确性，可以发现蛋白质结构上的保守区域，从而找到实现相似功能的相似结构和产生差异的独有结构，为从系统角度研究蛋白质空间结构和蛋白质性质、功能的关系提供了有效的手段。

技术领域

本发明是一种引入序列信息的残基相互作用网络比对算法SI-MAGNA，属于计算机应用技术领域。具体的说就是基于MAGNA网络比对方法，提出引入蛋白质序列信息的残基相互作用网络比对算法SI-MAGNA，发现两个蛋白质结构上的保守区域，从而找到实现相似功能的相似结构和产生差异的独有结构，该方法可应用于分子设计、分子筛选、药物设计等诸多领域。

背景技术

随着实验测定技术的发展，产生了大量的分子相互作用数据，也称为生物网络数据，例如：蛋白质-蛋白质相互作用网络、代谢网络、残基相互作用网络、基因表达网络等。这使得生物网络比对在近年来成为研究代谢、结构、功能和进化的一类重要的方法。残基相互作用网络对于从系统角度研究蛋白质空间结构和蛋白质性质、功能的关系有着至关重要的作用。而残基相互作用网络比对对于研究蛋白质的分子基础和空间结构非常重要，它能够推动蛋白质结构、性质和功能相关研究的发展。

目前，绝大多数的网络比对方法是针对蛋白质-蛋白质相互作用网络提出的。Kuchaiev,O(《Integrative network alignment reveals large regions of globalnetwork similarity in yeast and human》，Bioinformatics,2011,27(10):1390–1396)等人整合了网络节点之间的多种类型的相似性标准，并决定了相似性标准间的权重，利用最大权重双边图找出最优比对。然而该方法整合了基于蛋白质生物信息的相似性标准，对于残基相互作用网络比对，需要在比对时排除这一因素，比对过程比较复杂。Maoguo Gong(《Global Biological Network Alignment by Using Efficient Memetic Algorithm》，IEEE/ACM Transactions on Computational Biology and Bioinformatics,2016,13(6):1117-1129)等人将遗传算法与局部搜索相结合，首先使用一个粗略的相似度得分矩阵进行初始化，然后使用特定的邻域启发式局部搜索策略来找到最优比对。然而该方法针对蛋白质-蛋白质相互作用网络比对，它需要蛋白质的节点信息作为比对的优化条件，对于残基相互作用网络比对，无法产生在网络拓扑和一级结构方面更准确的比对结果。SomayeHashemifar (《ModuleAlign:module-based global alignment of protein–proteininteraction networks》，Bioinformatics,2016,32(17):i658–i664)等人利用局部信息来定义模块的同源性分数，基于参与相同模块的功能相关蛋白质的分层聚类，并采用迭代方案找到两个网络之间的比对。然而该方法针对蛋白质-蛋白质相互作用网络，需要蛋白质同源性方面的信息作为比对的重要依据，对于残基相互作用网络比对，无法产生在生物方面合理的比对结果。

生物网络比对是一种通过比较两个或多个相互作用网络，发现不同网络在拓扑和功能上的相似区域的方法，已经在研究生物分子的结构和功能，分析生物的进化和演变等领域有了重要应用。然而文献及专利中未见有针对于残基相互作用网络比对的算法，更未见将蛋白质的序列信息引入到残基相互作用网络比对中的算法。

发明内容