PPI网络的改进马尔科夫聚类算法
随着人类基因组计划的完成，世界进入到后基因时代，由生物体动态产生并执行遗传程序的蛋自质逐渐进入研究者的视野。研究者发现，生物体的各项生命活动都是山多种蛋自质在时间和空间上协调一致，通过相互作用来完成。因此，目前的研究对象是PPI网络。对PPI网络聚类分析，以预测未知蛋自质功能，为疾病治疗、预防和新药开发提供重要的理论基础。蛋白质相互作用(PPI)网络是生物信息学的一个新的研究领域.近年来马尔科夫(MCL)聚类算法在未知蛋白质的功能模块预测方面发挥了重要作用,但是聚类质量不高,为此提出了一种基于突变因子和惩罚因子及重新定义解释聚类结果的MCL聚类算法.该算法采用惩罚因子,惩罚质量较大的吸引子;采用突变因子在算法后期断绝初始转移概率对转移概率的束缚.算法在PPI网络数据集上进行了测试,结果表明该算法不但可以抑制小类的产生,而且聚类结果的质量在Avg.F方面相对于基本MCL算法提高了13.1％.
蛋白质相互作用网络 马尔科夫聚类算法 突变因子 惩罚因子
胡庆生 雷秀娟
陕西师范大学计算机科学学院 西安 710119
国内会议
济南
中文
1-7
2014-10-16（万方平台首次上网日期，不代表论文的发表时间）