[发明专利]基于鸽群优化算法识别关键蛋白质的方法

摘要

本发明公开了一种基于鸽子优化算法识别关键蛋白质的方法，通过将蛋白质相互作用网络转化为无向图、获取蛋白质对应的亚细胞定位信息以及功能注释信息、对蛋白质相互作用网络中结点和边进行处理、初始化鸽子位置、执行指南针操作、地标操作产生关键蛋白质。本发明方法能准确地识别关键蛋白质；仿真实验结果表明，灵敏度、特异性、F测度、阳性预测值、阴性预测值以及正确率等指标较优；与其他关键蛋白质识别方法相比，将鸽子算法的优化特性与蛋白质相互作用网络的拓扑特征以及蛋白质内在的生物特性进行结合来识别关键蛋白质，提高了关键蛋白质的识别准确率。

主权项

1.一种基于鸽群优化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无向图将蛋白质相互作用网络转化成一个无向图G＝(V，E)，其中，V＝{v_i，i＝1，2，...，n}为结点v_i的集合，E＝{e_ij，i＝1，2，...，n；j＝1，2，...，n}为边e_ij的集合，结点v_i表示蛋白质，边e_ij表示蛋白质v_i和v_j之间的相互作用；(2)对蛋白质相互作用网络中的边和结点进行处理计算每一个蛋白质结点的亚细胞定位分值SLC，计算连接两蛋白质结点的边的结构相似性S_sim和功能相似性F_sim；(3)鸽子位置初始化令N为鸽群规模，初始鸽群是在集合V上所有结点中随机产生的，每只鸽子由p个不同的蛋白质结点组成，其中p＜n，一只鸽子代表一个关键蛋白质候选集合；(4)指南针操作计算每只鸽子的适应度值fitness(t)，其中t＝1，2...，N，并进行比较找出当前处于最好位置的鸽子，即P_g，其余鸽子P_t根据最优鸽子P_g进行位置调整及更新，iter₁＝iter₁+1；其中，t≠g，iter₁表示指南针操作的当前迭代次数，初值为1；(5)如果iter₁＞maxiter，停止指南针操作，转向步骤(6)；否则，转向步骤(4)；其中maxiter表示指南针操作的最大迭代次数，maxiter∈[10，30]；(6)地标操作将所有鸽子按照适应度值fitness进行排序，在适应度值排名在前50％的鸽子中找到中心鸽子P_c，然后种群里的每只鸽子根据中心鸽子进行位置调整及更新；(7)比较当前种群中最优鸽子的适应度值fitness[P_g(iter₂)]与种群更新前最优鸽子的适应度值fitness[P_g(iter₂‑1)]，如果二者之差小于10^‑6，转向步骤(8)；否则，转向步骤(6)；其中iter₂表示地标操作的当前迭代次数，初值为1；(8)产生关键蛋白质将适应度值最高的鸽子中的所包含的蛋白质作为识别出的关键蛋白质输出。