[发明专利]基于模糊谱聚类的不确定PPI网络功能模块挖掘方法

说明书

本公开提供一种基于模糊谱聚类的不确定PPI网络功能模块挖掘方法包括以下步骤：去掉蛋白质相互作用数据中的重复相互作用和自相互作用，利用边聚集系数来测度每一组相互作用，构建不确定蛋白质相互作用网络图；利用流行距离和蛋白质网络的拓扑特性来改进谱聚类算法的相似度度量，进一步采用谱聚类算法完成对蛋白质相互作用数据的预处理；采用DPCS策略选取初始聚类中心，基于初始聚类中心，采用模糊C‑均值算法不断更新聚类中心和隶属度，进而实现蛋白质相互作用功能模块的挖掘；利用期望稠密度融合边聚集系数的边期望稠密度来过滤挖掘出的蛋白质相互作用功能模块；以及输出预测挖掘出的蛋白质相互作用功能模块。

技术领域

本公开涉及系统生物学领域，尤其涉及一种基于模糊谱聚类的不确定PPI网络功能模块挖掘方法。

背景技术

蛋白质组是一个在空间和时间上动态变化的整体，其功能往往是通过蛋白质之间或核酸之间的相互作用而表现出来，这种相互作用存在于机体细胞的生命活动过程中，相互交叉形成蛋白质相互作用(protein-protein interaction,PPI)网络。在一个PPI网络中，不同时间和空间阶段通过相互作用完成某一特定分子进程的蛋白质集合称为蛋白质功能模块。功能模块的挖掘不仅可以了解细胞的功能组织结构和执行生理功能的方式，而且还有助于人们理解各种生物学过程、揭示疾病的发生机制以及寻找新的药物靶标。因此，挖掘蛋白质相互作用的功能模块具有重要的意义。

通过生物实验进行PPI网络功能模块的挖掘是过去传统而经典的方法，但该方法在检测挖掘费用、时间和质量上的局限性，远远无法满足后基因时代人类对生命科学研究的实际需要。因此，迫切需要有效的计算方法来降低实验的成本，提高实验效率。

随着高通量的蛋白质相互作用数据的积累，利用蛋白质相互作用网络来挖掘蛋白质功能模块成为了目前的研究热点。根据计算机理的不同，挖掘蛋白质功能模块的方法包括：基于密度的聚类方法；基于层次的聚类方法、基于划分的聚类方法、基于谱分析的聚类方法。基于密度的聚类方法很难对网络中大量的稀疏节点进行聚类，方法挖掘的功能模块的准确率不高；基于层次的聚类方法难于检测出节点交叠的功能模块，聚类结果对网络的噪声非常敏感；基于划分的聚类方法需要事先确定聚类数目，不能检测出重叠的功能模块。由于基于图论的谱聚类方法实现简单，不局限于原始数据的分布形状，可以收敛于全局最优解。因此，目前谱聚类算法已成功应用于PPI网络功能模块挖掘，成为该领域的研究热点。例如，Madani等人提出了一种新的基于谱聚类的功能模块挖掘方法，用于挖掘整个PPI网络最相似的功能模块。Qin等人利用谱聚类方法对PPI网络模块识别进行了研究，提出一种基于PPI网络属性确定模块数的方法，并且进行了相关验证。Inoue等人提出了一种基于扩散模型的谱聚类ADMSC方法，该方法用于PPI网络模块划分挖掘。谱聚类方法是根据特征向量将数据划分到不相交的类中，属于且仅属于一个类，可以自动确定聚类数目，是一种硬划分方法，不能准确反映样本间的实际关系；另计算相似度矩阵时，实验结果容易受到尺度参数的影响，导致功能模块挖掘过程中不能充分考虑节点的局部一致性和全局一致性，进而使得该方法的运行效率降低以及准确性不高。随着高通量生物数据的增多，最近一些研究者试图结合模糊C-means(模糊C-均值)来提高挖掘蛋白质功能模块的准确性。例如，Trivodaliev等人提出将模糊C-means与谱聚类方法相结合用于蛋白质模块挖掘，利用C-means方法中的模糊因子改进谱聚类的硬划分问题，不断更新聚类中心隶属度来划分簇，划分结果却存在对初始聚类中心以及聚类数目敏感的问题，导致功能模块挖掘的过程中容易陷入局部最优，方法的预测精度降低以及特异性和灵敏度不高。