基于链接聚类的代谢网络社团结构研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 141-144.

• 数据库、信号与信息处理 • 上一篇下一篇

基于链接聚类的代谢网络社团结构研究

丁德武1，吴璞1，2，计博婧1，2，王汝传2

1.池州学院数学与计算机科学系，安徽池州 247000
2.南京邮电大学计算机学院，南京 210003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Research on community structure in metabolic network based on link clustering

DING Dewu1，WU Pu1，2，JI Bojing1，2，WANG Ruchuan2

1.Department of Mathematics and Computer Science，Chizhou College，Chizhou，Anhui 247000，China
2.School of Computer Science and Technology，Nanjing University of Posts and Telecommunications，Nanjing 210003，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 社团结构分析有助于识别代谢网络中的功能模块，有助于理解代谢网络的结构和功能关系，是代谢网络研究领域的一个重要研究课题。然而，当前的社团结构分析方法均依赖于对网络中的节点进行聚类分析，导致每个节点只能属于某一个社团。采用了一种对复杂网络中的链接进行聚类分析的方法，对高质量金黄色葡萄球菌代谢网络模型的巨强连通体进行了社团结构分析，得到了10个具有生物学意义的功能模块，结果表明链接聚类可用于识别新陈代谢网络中的功能社团。

关键词: 社团结构, 功能模块, 链接聚类, 代谢网络

Abstract: Community structure can helpful for identifying functional modules in metabolic network，understanding the structure and function of metabolic network，and thus being an important subject in metabolic network study.However，current community structure methods is mainly conducted by nodes clustering，which results each node only belong to a single community.This paper engages a links clustering based method for analyzing the giant strong component of S.aureus metabolic network from published high-quality models，and obtains 10 functional modules with better biological significance，which suggest that links clustering can identify functional communities in metabolic network.

Key words: community structure, functional module, link clustering, metabolic network

丁德武1，吴璞1，2，计博婧1，2，王汝传2. 基于链接聚类的代谢网络社团结构研究[J]. 计算机工程与应用, 2011, 47(34): 141-144.

DING Dewu1，WU Pu1，2，JI Bojing1，2，WANG Ruchuan2. Research on community structure in metabolic network based on link clustering[J]. Computer Engineering and Applications, 2011, 47(34): 141-144.

[1]	霍思聪1，黎英2. 蛋白质功能模块检测的聚类方法综述[J]. 计算机工程与应用, 2019, 55(8): 17-26.
[2]	苗孟君1，丁彦蕊2. PPI网络比对用于植物乳杆菌的糖代谢研究[J]. 计算机工程与应用, 2018, 54(6): 49-54.
[3]	杜文举1，张建刚2，俞建宁1. 复杂公交社团网络模型的稳定性研究[J]. 计算机工程与应用, 2017, 53(23): 39-46.
[4]	杨强，卢罡. 微博社交网络模型的建立及其性质研究[J]. 计算机工程与应用, 2016, 52(12): 42-48.
[5]	闵亮1，邵良杉2，赵永刚1. 基于节点相似度的社团检测[J]. 计算机工程与应用, 2015, 51(9): 77-81.
[6]	丁德武1，李文泽2. 代谢网络结构与功能的Petri网分析[J]. 计算机工程与应用, 2012, 48(28): 42-46.
[7]	肖自红. 微分方程在复杂网络社团发现中的研究[J]. 计算机工程与应用, 2012, 48(25): 149-153.
[8]	兰明明，韩华，刘婉璐. 基于社团结构的复杂网络抗毁性测度[J]. 计算机工程与应用, 2012, 48(23): 67-71.
[9]	王红1，2，王希诚1，3. 随机走步软聚类识别蛋白质网交叠功能模块[J]. 计算机工程与应用, 2011, 47(9): 4-7.
[10]	孔健¹，谢福鼎¹，孙岩¹，赵凤霞². 半监督模式下复杂网络分类的方法[J]. 计算机工程与应用, 2011, 47(4): 47-49.
[11]	任俊亮1，申卯兴1，仝蕊1，高洪星2. 无尺度网络中降低相继故障规模的策略研究[J]. 计算机工程与应用, 2011, 47(33): 82-84.
[12]	黄海生1，2，丁德武1，吴璞1，2，王汝传2. 几种人类生物网络的自相似性实证研究[J]. 计算机工程与应用, 2011, 47(16): 128-130.
[13]	黄浩英，马英红. 基于信号传递与层次聚类的社团发现算法[J]. 计算机工程与应用, 2010, 46(9): 51-54.
[14]	付立东^1，2. 半指导的核聚类检测网络社团方法[J]. 计算机工程与应用, 2010, 46(5): 1-3.
[15]	韩华，王娟，王慧. 改进的CNM算法对加权网络社团结构的划分[J]. 计算机工程与应用, 2010, 46(35): 86-89.

基于链接聚类的代谢网络社团结构研究

Research on community structure in metabolic network based on link clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics