蛋白质功能模块检测的聚类方法综述

在蛋白质相互作用（Protein-Protein Interaction，PPI）网络中检测蛋白质功能模块有助于预测未知蛋白质的功能模块。随着蛋白质相互作用有效数据迅速增长，如何通过PPI网络获得有效的蛋白质功能模块成为最大挑战。阐述PPI网络的发展及现状，通过对当前蛋白质功能模块检测算法进行归纳总结，把它们分为单元聚类和多元聚类，并对每类的代表性方法进行详细阐述；讨论蛋白质相互作用网络功能模块检测研究所面临的挑战及未来研究方向。     

基于不确定PPI网络的功能模块挖掘*

近年来,挖掘具有生物学意义的功能模块,吸引了很多人的关注.但是,生物信息学中的蛋白质交互(PPI)网络和其他的一些生物数据常常会由于实验检测方法的局限性而呈现出不确定性.以具有不确定性的PPI数据为研究对象,挖掘蛋白质复合物.引入了一些新概念,并给出了一个深度优先算法.使用MIPS数据库评估实验结果表明,该算法在精确度和覆盖率两个方面性能优良.在基因拓扑上分析实验结果证实了所得到的大多数蛋白质复合物具有很高的相似性.最后也对算法的可扩展性进行了验证.总之,可以有效地从不确定PPI网络中挖掘出功能模块.     

网络入侵检测系统整体设计分析

随着网络信息量的迅猛增长,网络攻击方式的不断翻新,网络入侵检测系统经过了由集中式处理到分布式处理、由简单软件结构到通用功能模块设计的变化过程.文中对入侵检测系统的功能模块进行了详细研究,重点设计分析了NIDS中重要的模块:HTTP协议流分析器和检测引擎部分,给出了设计中考虑到的部分增强性能.因模块具有的灵活结构,所以该设计提供了很好的模块复用性和扩展性.     

基于多标签传播机制的蛋白质相互作用网络功能模块检测*

鉴于多标签传播算法在发现社会网络的社区结构研究上具有快速、高效的求解能力,提出融合多源蛋白质生物学知识的基于多标签传播机制的蛋白质相互作用(PPI)网络功能模块检测算法.首先,结合PPI网络功能信息和结构信息初始化节点的标签.然后,利用基因表达数据描述蛋白质间的共表达性,依据共表达性构建标签集合,从中选择标签以实现标签在节点间真实可靠的传播.最后,将具有相同标识符的节点划分到同一功能模块中,获得最终结果.实验表明文中算法不仅具有良好的时间性能,而且在检测精度上也具有一定的竞争性.     

模拟退火算法在生物网络研究中的应用

生物网络的功能模块识别是当前生物信息学和系统生物研究领域的一个重要研究主题。首先介绍了模拟退火算法的基本原理,分析了聚集系数和模块性等与生物网络功能模块识别相关的一些基本概念,随后阐述了模拟退火算法在生物网络功能模块识别方面的应用。最后,通过新陈代谢网络和蛋白交互网络这2种具体生物网络的模块划分实例,证实了模拟退火算法在生物网络功能模块研究方面的高效性。     

融合人工鱼群机理的PPI网络聚类模型与算法

预测蛋白质交互作用(Protein-Protein Interaction,PPI)网络中未知蛋白质的功能,是生物信息学的一个研究热点.目前基于功能流的方法能有效地解决PPI网络的聚类问题,但是其正确率偏低、时间复杂度较高.为此提出了一种融合人工鱼群机理的PPI网络聚类模型与算法:将人工鱼看作一组聚类中心,觅食行为是指从每个聚类中心开始向它的邻接结点搜索并添加结点到该聚类模块中;接下来将目标函数值最大的人工鱼对应的一组聚类模块看作初始的聚类结果,对应鱼群的追尾行为;剩下的人工鱼开始执行聚群行为,判断对应的聚类模块与初始的聚类结果之间的相似度.如果相似度低于给定的阈值,则将聚类模块添加到初始的聚类结果中.PPI数据集上的仿真实验表明,该算法可以自动确定聚类数目,而且聚类结果的正确率和算法的运行效率都优于功能流算法.     

一种基于物理安全防护机制的系统设计与原型实现

针对常规的对芯片和系统的物理攻击,尤其是侵入式解剖攻击,提出了一种多种检测机制耦合的物理安全防护系统,该系统包括功能模块、检测模块和响应模块.关键的检测模块包括由分布电阻网络、压力感应模块、光照感应模块构成的物理安全边界以及由温度感应模块构成的异常检测模块.基于现有的系统构成条件,利用印制电路板实现了便于展示和测试的安全防护系统原型.对原型感应模块进行了功能测试,对分布电阻网络检测方案进行了测试评估,分析了检测机制的耦合作用.原型系统能够对多种常见攻击手段做出有效的防护,并保证一定的有效性.     

PPI网络聚类的评价方法的研究与应用

蛋白质相互作用网络(Protein-Protein Interaction,PPI)聚类结果的评价方法的研究是检测PPI网络功能模块聚类结果正确与否的关键。介绍并分析了4种有代表性的PPI网络聚类的评价方法,即p-value、匹配统计量、基于准确率和查全率的综合评价以及基于层结构的hF-measure,在此基础上考虑了主错误划分类与该预测类的相似性,提出了新的罚分函数和新的Sf-measure评价方法。仿真结果表明了各评价方法的特点及Sf-measure评价方法的有效性及合理性。     

基于节点相似性的加权复杂网络BGLL社团检测方法

针对加权复杂网络中的重叠社团检测问题,提出了一种面向加权网络的基于Jaccard系数的BGLL模块密度优化算法（Modularity Density and Jaccard Based BGLL,DBGLLJ）.利用节点重要度重构网络,根据模块度增益作为阶段函数和模块密度增益作为目标函数进行网络硬划分,并提出了结合改进的Jaccard系数的重叠检测方法.为验证算法,选择了3种算法在LFR网络和真实网络中进行测试,结果表明：在标准LFR网络和真实网络中,DBGLLJ算法检测效果较优,具有较高的重叠模块度以及重叠检测准确性,且运算效率较好.将所提算法应用于现实复杂机电系统因效性网络,重叠检测结果较好,具有较高的参考价值.     

基于YOLOX的车辆检测

车辆检测是智能交通系统重要的一个研究方向. 针对监控视角下的车辆检测问题, 提出了一种改进YOLOX算法的车辆检测方法. 使用网络深度更小的YOLOX_S模型, 对网络结构改进. 使用GHOST深度可分离卷积模块代替部分传统卷积, 在保证模型检测精度的同时减少模型参数; 将CBAM注意力模块融合到特征提取网络中, 并添加特征增强结构, 加强特征提取网络获得的特征图语义信息, 增强提取网络对目标的检测能力; 通过使用CIoU_loss优化损失函数, 提高模型边界框的定位精度. 测试实验结果表明, 改进后的网络识别准确率提升了2.01%, 达到95.45%, 证明了改进方法的可行性.     

基于蛋白质网络的模块动态特性挖掘研究

目前对于蛋白质网络的多数分析方法都是基于静态网络框架提出的,然而,事实上蛋白质之间的相互作用关系是随着时间变化的,具有明显的动态特性。从动态角度出发,基于蛋白质交互网络,结合时间序列的基因表达数据,揭示蛋白质功能模块变化的动态特性,提出了一种动态网络的构建方法及在动态快照网络中挖掘功能模块的算法,采用模糊匹配的方法揭示了蛋白质功能模块的变化过程。实验证明,该方法能够有效地揭示蛋白质功能模块的动态变化特性。     

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。     

基于关键功能模块挖掘的蛋白质功能预测

精确注释蛋白质功能是从分子水平理解生物体的关键.由于内在的困难和昂贵的开销,实验方法注释蛋白质功能已经很难满足日益增长的序列数据.为此,提出了许多基于蛋白质相互作用（Protein-protein interaction,PPI）网络的计算方法预测蛋白质功能.当今蛋白质功能预测的趋势是融合蛋白质相互作用网络和异构生物数据.本文提出一种基于多关系网络中关键功能模块挖掘的蛋白质功能预测算法.关键功能模块由一组紧密联系且共享生物功能的蛋白质组成,它们能与网络中的剩余部分较好地区分开来.算法通过从多关系网络的每一个简单网络中挖掘高内聚、低耦合的子图形成关键功能模块.关键功能模块中邻居蛋白质的功能用于注释待预测功能的蛋白质.每一个简单网络在蛋白质功能预测中的重要性各不相同.实验结果表明,提出的方法性能优于现有的蛋白质功能预测方法.     

A fast iterative-clique percolation method for identifying functional modules in protein interaction networks

Accumulating evidence suggests that biological systems are composed of interacting, separable, functional modules-groups of vertices within which connections are dense but between which they are sparse. Identifying these modules is likely through capturing the biologically meaningful interactions. In recent years, many algorithms have been developed for detecting such structures. These algorithms, however, are computationally demanding, which limits their applications. In this paper, we propose a fast iterative-clique percolation method (ICPM) for identifying overlapping functional modules in protein-protein interaction (PPI) networks. Our method is based on clique percolation method (CPM), and it not only considers the degree of nodes to minimize the search space (the vertices in k-cliques must have the degree of k − 1 at least), but also converts k-cliques to (k − 1)-cliques. It finds k-cliques by appending one node to (k − 1)-cliques. By testing our method on PPI networks, our analysis of the yeast PPI network suggests that most of these modules have well-supported biological significance.     

蛋白质相互作用网络的蜂群信息流聚类模型与算法

蛋白质相互作用网络的聚类算法研究是充分理解分子的结构、功能及识别蛋白质的功能模块的重要方法.很多传统聚类算法对于蛋白质相互作用网络聚类效果不佳.功能流模拟算法是一种新型聚类算法,但该算法没有考虑到距离的作用效果并且需要人为地设置合并阈值,带有主观性.文中提出了一种新颖的基于蜂群优化机理的信息流聚类模型与算法.该方法中,数据预处理采用结点网络综合特征值的排序来初始化聚类中心,将蜂群算法的蜜源位置对应于其聚类中心,蜜源的收益度大小对应于模块间的相似度,采蜜蜂结点的所有邻接点按照结点网络综合特征值的降序排列,作为侦察蜂的搜索邻域.采用正确率、查全率等指标对聚类效果做出客观评价,并对算法的一些关键参数进行仿真、对比与分析.结果表明新算法不仅克服了原功能流模拟算法的缺点,且其正确率和查全率的几何平均值最高,能够有效地识别蛋白质功能模块.     

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。     

A fast iterative-clique percolation method for identifying functional modules in protein intreaction networks

Accumulating evidence suggests that biological systems are composed of interacting, separable, functional modules—groups of vertices within which connections are dense but between which they are sparse. Identifying these modules is likely through capturing the biologically meaningful interactions. In recent years, many algorithms have been developed for detecting such structures. These algorithms, however, are computationally demanding, which limits their applications. In this paper, we propose a fast iterative-clique percolation method (ICPM) for identifying overlapping functional modules in protein-protein interaction (PPI) networks. Our method is based on clique percolation method (CPM), and it not only considers the degree of nodes to minimize the search space (the vertices in k-cliques must have the degree of k     

入侵检测技术的研究与进展

入侵检测系统(IDS)作为一门新兴的安全技术，是网络安全系统中的重要组成部分。该文阐述了入侵检测系统的基本原理和功能模块，从数据源、检测方法和检测定时三个方面描述了入侵检测系统的分类，并对目前国内外入侵检测技术的研究现状作了介绍和分析。随着计算机技术和网络技术的高速发展，海量存储和高带宽的传输技术，都使得集中式的入侵检测越来越不能满足系统需求。由此指出，分布式入侵检测(DID)必将逐渐成为入侵检测乃至整个网络安全领域的研究重点，为进行入侵检测技术的研究提供一定的技术和理论依据。