生物智能计算中的微功能蛋白复合体挖掘：一种加权网络方法

《BMC Bioinformatics》：Micro-functional protein complexes mining in biological intelligent computing: a weighted network approach

　　

摘要

识别蛋白质复合物对于发现药物靶点及理解疾病机制具有重要意义。了解不同个体中蛋白质复合物的差异有助于制定个性化治疗方案。为识别具有不同模块度和密度特征以及存在重叠的蛋白质复合物，我们提出了一种名为“微簇重叠重建”（MCOR）的方法，通过降低蛋白质复合物的复杂性来挖掘微功能蛋白质复合物。该方法结合了网络拓扑结构和蛋白质的生物学信息，能够有效减少蛋白质网络中假阳性相互作用的影响。首先，我们根据功能注释术语和共享邻居构建加权网络；其次，定义蛋白质选择机制以形成初始簇；第三，设计复合物评估函数，用于识别具有不同模块度和密度特征的复合物；第四，设计种子扩展算法，利用复合物评估函数扩展簇并形成完整的复合物。在多个物种的真实数据集上，我们将MCOR与目前最先进的七种算法进行了比较。研究结果表明，在基于不同物种数据生成的网络中，MCOR在F\(_{1}\)-度量及准确性指标方面均优于这些算法。此外，所识别的复合物平均p值较低，进一步证明了MCOR所识别复合物的真实性。