[发明专利]一种采用改进的HITS算法识别关键蛋白质的方法

权利要求书

1.一种采用改进的HITS算法识别关键蛋白质的方法，其特征在于,包括以下步骤：

1)将蛋白质相互作用网络转化为双向有向图

将蛋白质相互作用网络转化为一个双向有向图G＝(V,E)，其中，V＝{v₁,v₂,…,v_i,…,v_n}为结点v_i的集合，E为边e的集合，结点v_i表示蛋白质，边e表示蛋白质之间的相互作用，n表示蛋白质结点的个数；

2)对蛋白质相互作用网络的边的预处理

边的预处理包括计算边的聚集系数、边的基因表达相似性、边的功能相似性、边的可靠性；

3)网络拓扑加权边

根据步骤2)得到的边聚集系数得到网络拓扑加权边的权值w_vu；

4)网络生物特性加权边

根据步骤2)得到的边的基因表达相似性、边的功能相似性、边的可靠性对边进行加权，得到生物信息加权边的权值w_uv；

5)利用HITS算法得到结点权威值和中心值

利用HITS算法得到每个结点的权威值a(v)和中心值h(v)，每个结点的权威值a(v)和中心值h(v)由式(7)、(8)计算得到：

a(v)＝∑_q∈B(v)h(q) (7)；

h(v)＝∑_q∈F(v)a(q) (8)；

式中，B(v)代表指向蛋白质结点v的蛋白质集合，F(v)代表蛋白质结点v指向的蛋白质集合；

6)结点权威值和中心值归一化处理

对步骤5)得到的权威值a(v)和中心值h(v)，进行归一化处理，得到标准权威值a’(v)和标准中心值h’(v)；iter迭代加1；

每个结点的标准权威值a’(v)和标准中心值h’(v)由式(9)、(10)计算得到：

式中，a(v)代表每个蛋白质结点v的权威值，由公式(7)得到；式中，h(v)代表每个蛋白质结点v的中心值，由公式(8)得到；

7)得到每个结点的综合得分

若iter的值小于等于次数maxiter，则转向步骤6)；此时，根据每个结点当前的标准权威值a’(v)和标准中心值h’(v)得到综合得分Fin(v)；

8)产生关键蛋白质

根据步骤7)得到的每个结点的综合得分Fin(v)，对蛋白质进行排序；随着k个不同参数的变化，每个结点的排序也会有所变化，将所有的蛋白质的排序合并为一个关键蛋白质候选集X_i，统计候选集X_i中蛋白质出现的个数作为集成得分EM(v)，若某个蛋白质的集成得分EM(v)大于设定阈值则认为其为关键蛋白质。

2.根据权利要求1所述的采用改进的HITS算法识别关键蛋白质的方法，其特征在于，步骤2)中，边预处理具体包括：

按式(1)计算边的聚集系数：

式中，Z(v,u)表示包含边(v,u)的三角形个数，d_i,d_j分别是结点v和u的度；

按式(2)计算边的基因表达相似性：

式中，g(u,i)和g(v,i)分别代表蛋白质结点u和v在时间i时的表达水平，和分别代表蛋白质结点u和v的平均表达水平；

按式(3)计算边的功能相似性：

式中，S_v(t)是与蛋白质结点v有关的GO术语k的S值，S_u(t)是与蛋白质结点u有关的GO术语k的S值；

按式(4)计算边的可靠性：

式中，C代表边(u,v)在亚细胞位置中出现的次数，C_max代表边(u,v)在亚细胞位置中出现的最大次数。

3.根据权利要求2所述的采用改进的HITS算法识别关键蛋白质的方法，其特征在于，步骤3)中，网络拓扑加权边的权值w_vu由式(5)计算得到：

w_vu＝ECC(v,u) (5)；

式中，ECC是蛋白质结点v和蛋白质结点u之间的边聚集系数，由公式(1)得到。