基于标准结构熵的PPI网络可靠性研究*

由蛋白质相互作用构成的PPI网络的拓扑特性分析是后基因组时代最重要的研究课题之一。应用标准网络结构熵对DIP数据库中七个物种的八个PPI网络的异质性和可靠性进行分析与研究。分析结果表明,这些PPI网络具有典型的无尺度特性,对随机移除不超过10%的顶点都具有很好的鲁棒性,但对有选择地移除2%的高度顶点就开始表现出极弱的抗攻击性。     

PPI网络比对用于植物乳杆菌的糖代谢研究

蛋白质-蛋白质相互作用网络（PPI网络）比对是预测蛋白质相互作用,分析不同物种之间功能差异的重要手段。为研究植物乳杆菌WCFS1和JDM1糖代谢功能模块差异,采用Evolutionary Graph Edit Distance Algorithm算法对两者的糖酵解、戊糖磷酸途径、柠檬酸循环三个模块PPI网络进行比对。实验表明,两者的三个模块边正确性分别达到93.6%、96%、100%,表明其拓扑结构极其相似,戊糖磷酸途径中,WCFS1存在蛋白质2-keto-3-deoxygluconate kinase（kdgK）,但JDM1中没有kdgK,却有其产物2-keto-3-deoxy-6-phospho-gluconate aldolase（JDM1_0578）。糖酵解模块中,推测蛋白质pyruvate dehydrogenase complex,E2 component（pdhC）与pyruvate kinase（pyk）具有相互作用。实验表明,PPI网络比对可以阐明两者糖代谢PPI网络的拓扑相似性及模块差异,预测蛋白质之间的相互作用。     

NOBEL: 一种基于拓扑信息与监督学习的蛋白质复合物识别方法

蛋白质复合物对于生物学家有效了解细胞组织和功能具有重要意义,如何通过计算方法从蛋白质-蛋白质相互作用(PPI)网络中识别复合物是当前研究热点之一。然而,由于PPI网络中存在大量假阴性和假阳性噪声数据且现有已知蛋白质复合物并不完整,使得如何克服PPI网络的噪声问题,以及更好地利用已知蛋白质复合物,成为蛋白质复合物识别亟待解决的关键问题。为此,该文提出一种基于蛋白质复合物拓扑信息,利用监督学习进行蛋白质复合物识别的算法(NOBEL)。首先,NOBEL根据蛋白质的生物信息和拓扑信息构建加权PPI网络,降低了网络中的噪声问题;然后,通过加权PPI网络和未加权PPI网络提取复合物拓扑信息作为特征,并根据提取的特征训练监督学习模型,使得监督学习模型能有效学习复合物蕴含的信息;最后,将训练好的模型应用于PPI网络识别蛋白质复合物。作者在四种真实PPI网络上进行了实验,实验结果表明,NOBEL与其他七种蛋白质复合物识别算法相比,在F-measure方面分别至少提高了4.39%(Gavin)、1.32%(DIP)、2.39%(WI-PHI_core)和2.34%(WI-PHI_extend)。     

基于时序加权PPI网络的关键蛋白质识别

关键蛋白质是生物体内一切生命活动中不可缺少的物质基础,关键蛋白质的识别不仅可以从理论上理解生命活动机理,同时在实际应用中为药物研制、疾病治疗提供重要基础。目前,现有的关键蛋白质识别算法大多应用在静态PPI网络上,忽略了蛋白质的动态性和保守性,只考虑网络拓扑结构,忽略了蛋白质的生物特性,并且未能完全解决PPI网络中假阳性和假阴性问题。针对以上问题,构建一种混合动态保守蛋白质的时序加权PPI网络,并提出一种名为JTBC（Joint Topological properties,Biological properties and Complexes information）的关键蛋白质识别算法。利用基因表达数据提取动态蛋白质和保守蛋白质的活性信息,以动态调整静态PPI网络进而构建时序PPI网络,有效降低了PPI网络中的假阴性;设计一种融合双重拓扑特性的点边凝聚度DEcc（node and edge cohesion coefficient）,以衡量蛋白质在PPI网络中的拓扑特性,再结合带有生物特性的蛋白质结构域信息和皮尔逊相关系数为时序PPI网络加权,以准确描述蛋白质之间的相互作用,减少了假阳性的影响;根据关键蛋白质的聚集特性和共表达特性,设计一种共表达复合物中心性方法局部评估蛋白质的重要程度。综上考虑,整合权重信息和蛋白质复合物信息来综合衡量蛋白质的关键性。实验结果表明该算法能够从全局和局部特性较准确地识别关键蛋白质。     

蛋白质相互作用网络的相似子网搜索问题研究

蛋白质相互作用网络（Protein-Protein Interactions Network,PIN）的相似性问题是目前生物信息学领域研究的热点。将计算机科学和生物学相结合,提出了蛋白质相互作用网络邻居优先搜索算法。该算法综合蛋白质的序列信息和蛋白质相互作用网络的拓扑结构信息,适度提高与相似蛋白质有直接相互作用的蛋白质之间的相似系数,实现了不同物种间蛋白质相互作用相似子网络的搜索。与同类算法的对比实验表明,该算法可以处理更大规模的目标子网搜索,计算速度明显提高,且利用该算法获得的结果与目标子网具有更长的相似路径。论文采用该算法研究了酵母和果蝇的蛋白质相互作用网络,获得了10条相对保守的蛋白质相互作用（Protein-Protein Interactions,PPI）。     

基于模块度优化的蛋白质网络集团探测与分析

探测蛋白质相互作用网络中的功能模块对于理解生物系统的组织和功能具有重要的意义。目前,普遍的做法是将蛋白质相互作用网络表示成一个图,利用各种图聚类算法来挖掘功能模块。本文采用了基于模块度优化的图聚类算法来探测蛋白质相互作用网络中的集团,从具有2617个节点11855个相互作用的酵母蛋白相互作用网络中探测出68个集团。对于得到的集团,首先从拓扑结构的角度验证其的确是内部连接稠密的子图,然后分析了MIPS数据库中ComplexCat提供的已知的蛋白质复合体与这些集团的重叠情况,发现很多蛋白质复合体完全包含在某些集团中,最后使用超几何聚集分布的P值来分析一个集团对某个特定功能的富集程度,并根据最小的P值对应的功能来注释该集团的主要功能,发现集团中大部分的蛋白质具有相同的功能。研究结果表明,该方法探测的集团具有重要的生物学功能意义。     

不确定性PPI网络链接预测

蛋白质交互网络预测是后基因组时代生物学中很重要的研究内容。到目前为止,对蛋白质交互网络相互作用的预测都是假设相互作用是确定的。但是,蛋白质交互网络和其它的一些生物数据会因为实验检测方法的局限性而呈现出不确定性。提出了一种基于信息传播的不确定性PPI网络的链接预测算法。在每个顶点对上按其出现链接的概率定义了链接信息量,该算法将边上的链接信息量在图上以一定的概率来传播。利用标准数据集进行测试,实验结果表明,所提出的算法具有很好的准确率和良好的生物统计特性。     

蛋白质相互作用网络演化模型研究进展

研究蛋白质相互作用网络的演化机制及模型对于理解生物系统的进化及组织形成过程具有重要的意义。到目前为止,已经出现了多种依赖不同演化机制的蛋白质相互作用网络演化模型,这些模型有针对性地体现了真实蛋白质相互作用网络中出现的某些拓扑特征,但同时也具有一定的局限性。通过对典型蛋白质相互作用网络演化模型进行研究,从模型的构建机理、演化模型及真实蛋白质相互作用网络的拓扑特征等方面进行了分析和比较,并总结了各个模型的特点。最后,对蛋白质网络演化模型的进一步发展提出了自己的看法,为深入理解蛋白质相互作用网络演化模型提供有益参考。     

一种基于动态加权PPI网络的关键蛋白质识别算法

与静态PPI网络相比,动态PPI网络更能体现蛋白质之间相互作用的真实情况,并有效降低PPI网络中的假阴性。现有的关键蛋白质预测方法主要应用在静态PPI网络,忽视了PPI网络的动态特性。为有效预测关键蛋白质,利用基因表达数据提取蛋白质的动态信息,再结合静态PPI网络构建动态PPI网络,然后引入GO术语对网络加权,并基于动态加权PPI网络提出一种新的预测方法-DWE。该方法以蛋白质在动态网络中的动态加权边之和与蛋白质在动态网络中出现的次数的比值衡量蛋白质在网络中的关键性。实验结果表明动态加权PPI网络有助于提高关键蛋白质的预测精度,且DWE方法优于其他几种关键蛋白质预测方法。     

动态加权蛋白质相互作用网络构建及其应用研究

一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此, 动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法D-PIN (Dynamic protein interaction networks). 基于三个不同的酵母相互作用网络实验结果表明, D-PIN 方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.     

个体间相互影响的网络舆情演变模型

提出了一个社会网络中舆论形成的演化模型,模型考虑了网络中个体受其邻居影响的概率。假设个体A受到其他邻居影响的概率为α（A）,并且所有k度个体具有相同的受影响概率为α（k）,其中k是某个体邻居的个数。证明了如果概率α的分布满足对所有k满足α（k）=kp_kc,那么持某种舆论个体的人数比例是一个鞅,即数学期望是一个常数。本模型有助于衡量某给定社会网络中舆论传播的快慢程度。     

树状网络上带度约束的k-tree core问题

考虑到在实际应用中,由于计算机和通信网络中一般每个设备的处理能力是有限的,在k-tree core问题的基础上,提出了同时带有度约束的k-tree core问题,即k-tree core中的每个节点在子树中的度不超过给定常数q,记为q-DTC（k）（Degree constrained Tree Core）。利用动态规划的方法,采用最优化原则先找出文中所定义的局部根核集,然后利用贪婪思想对不满足度限制的节点所在的分支加以删减,对无权树和赋权树得到了复杂度分别为O（kn）和O（max{n log n,kn}）多项式时间算法,其中n是树的节点数。     

单信道单收发机的Ad hoc网络传输功率控制机制

由于移动ad hoc网络（MANET）终端能量的限制,延长终端节点的生存时间、高效地利用有限的网络资源成为MANET面临的重要挑战,因而传输功率控制起着及其重要的作用。提出基于θ的传输功率控制机制（θ－TPC）,在单信道单收发机的环境下,根据通信对的距离动态调整传输功率,并改变参数θ使其能量效率和吞吐量同时达到最佳。最后根据仿真证明θ－TPC机制相较于IEEE802.11能量效率和吞吐量都有很大提高。     

分组排序算法

提出了分组排序算法,详细分析了算法的原理及其时间与空间复杂度,得出了在最坏情况下的时间复杂度是θ（mn）;最好情况和平均情况下的时间复杂度均是θ（nlog（n/m^k））;在最坏情况下的空间复杂度是O（mn-m²＋m）;最好情况和平均情况下的空间复杂度均是O（m^klog（n/m^k））;并用多组随机数据与效率较高的快速算法进行仿真对比实验,试验结果说明了文中结论的正确性。这一结果,将有助于进一步设计高效的海量数据分析方法。     

关于Hilbert空间量子效应下确界的研究

量子的下确界问题是量子计算和量子信息中的一个重要问题,对于这一问题,首先运用一种简单的方法证明了Kadison的一个结果：设A,B∈Her（B（H））,则A∧B在Her（B（H））存在当且仅当A和B可比较;然后讨论了B（H）⁺和Hilbert空间效应代数ε（H）中的下确界问题。最后,通过一个例子给出：对于两个量子效应A和B,虽然A∧B和A²∧B²在ε（H）中存在,但是A²∧B²≠（A∧B）²。     

扩展在上GF（3）新型自缩序列模型及研究

自收缩序列是一类重要的伪随机序列,而周期和线性复杂度是序列伪随机性的经典量度。如何构造自缩序列的新模型,使生成序列具有大的周期和高的线性复杂度是一个重要的问题。针对这一问题,构造了GF（3）上一种新型的自缩序列模型,利用有限域理论,研究了生成序列的周期和线性复杂度,得到一些主要结论：周期上界3ⁿ,下界3^2[n/3];线性复杂度上界3ⁿ,下界3^2[n/3]-1。进一步讨论了基于GF（3）上本原三项式和四项式的自缩序列的周期和线性复杂度。     

等价树的双环网络G（N；r，s）的研究

基于前人提出的双环网络G（N;r,s）的分步直径求解法,提出了一个等价树直径求解方法,得到一个新的研究双环网络的拓扑结构－等价树;研究了双环网络等价树的性质并给出了等价树的构造算法;给出了双环网络直径d（N;r,s）的显示公式;利用C＃编程语言对等价生成树的结构模型进行了仿真实现;对任意给定的N,1≤r≠s＜N,可以计算出双环网络G（N;r,s）的紧优、几乎紧优、k紧优解。     

无线传感器网络节点分布策略研究

提出了解决无线传感器网络寿命问题的基础是节点分布策略,在一般的无线传感器网络模型和通讯模型下给出了具体的h_max~η节点数分布模型,从根本上解决了制约无线传感器网络寿命的瓶颈节点问题。仿真结果显示,比起简单的节点随机分布模型,h_max~η节点数分布模型极大地延长了网络寿命。     

de Bruijn序列查寻表标签的k位修正构造法

de Bruijn序列的结构是一个查寻表,其核心是它的表标签。因此构造出查寻表标签对于生成de Bruijn序列十分重要。给出两种k位修正构造法。方法1为k位提升构造法,即对大部分节点将其第k（k=1,2,…,n-1）位提升一个定值c（1≤c≤m）,来作为该节点的标签。方法2为k位收缩构造法,即对大部分节点将其第k（k=1,2,…,n-1）位向定值r（0≤r≤m）收缩,来作为该节点的标签。这些方法构造的查寻表标签数随着m,n增长而成指数式增长。与定值构造法一样,在局部看是有效的,但与查寻表标签本身数目的惊人增长比较起来就很渺小。方法2与定值标签构造法比较其速度提高了关于m,n的指数式倍。