结合多数据源预测蛋白质复合物

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (27): 105-108.

• 数据库、信号与信息处理 • 上一篇下一篇

结合多数据源预测蛋白质复合物

汤希玮，李勇帆，胡秋玲

湖南第一师范学院信息科学与工程系，长沙 410205

出版日期:2012-09-21 发布日期:2012-09-24

Predicting protein complex via integration of multiply data sources

TANG Xiwei, LI Yongfan, HU Qiuling

Department of Information Science and Engineering, Hunan First Normal University, Changsha 410205, China

Online:2012-09-21 Published:2012-09-24

摘要/Abstract

摘要： 蛋白质相互作用数据具有较高的假阳性率和假阴性率，这直接导致计算方法从中预测蛋白质复合物会产生较大的误差。为了弥补数据的这种先天性不足，通过结合多数据源，一种新的蛋白质复合物预测算法被提出。匹配分析和GO功能富集分析被用于评估算法的性能。测试结果表明，新算法远优于以前的其他算法。

关键词: 蛋白质相互作用, 基因表达谱, 关键蛋白质, 蛋白质复合物, 匹配统计, 基因本体, 功能富集

Abstract: The computational methods used to predict protein complexes from the protein interaction network have a great error because of the high false positive rate and false negative rate of protein interaction data. To compensate for this, a new protein complex prediction approach is proposed via the integration of multiply data sources. Matching analysis and GO functional enrichment analysis are performed as so to estimate the performance of the algorithm. The results show that the new algorithm is much better than previous ones.

Key words: protein interaction, gene expression profiles, essential protein, protein complex, matching statistics, gene ontology, functional enrichment

汤希玮，李勇帆，胡秋玲. 结合多数据源预测蛋白质复合物[J]. 计算机工程与应用, 2012, 48(27): 105-108.

TANG Xiwei, LI Yongfan, HU Qiuling. Predicting protein complex via integration of multiply data sources[J]. Computer Engineering and Applications, 2012, 48(27): 105-108.

[1]	毛伊敏，刘银萍. 基于模块度函数的加权蛋白质复合物识别算法[J]. 计算机工程与应用, 2020, 56(2): 42-54.
[2]	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.
[3]	胡健，朱海湾，毛伊敏. 基于时序加权PPI网络的关键蛋白质识别[J]. 计算机工程与应用, 2019, 55(23): 150-162.
[4]	胡德祺，孙永奇，秦朝. 基于Spark的L1-BC算法在关键蛋白质检测中的应用[J]. 计算机工程与应用, 2018, 54(24): 234-240.
[5]	张岩，闫德勤，吕志超，郑宏亮. 强相关树基因选择方法及AE-RSVM分类研究[J]. 计算机工程与应用, 2013, 49(17): 245-249.
[6]	杨俊丽1，刘田福2，李祥生1. 样本类型无关的多类特征基因选择方法[J]. 计算机工程与应用, 2012, 48(36): 146-150.
[7]	易波，文天柱，张原. 结肠癌基因表达谱数据集噪声处理研究[J]. 计算机工程与应用, 2012, 48(10): 146-149.
[8]	黄俊恒¹，孙玉山²，杜宇². 利用蛋白质-表型网络的致病基因预测方法研究[J]. 计算机工程与应用, 2011, 47(5): 134-136.
[9]	张玉春1，郝平波2，王明宇1，郭纯宏1. 结肠癌基因表达谱的分类检测问题研究[J]. 计算机工程与应用, 2011, 47(17): 244-248.
[10]	孙晶京¹，王力波²，罗伟¹. 肿瘤诊断中的特征基因提取[J]. 计算机工程与应用, 2010, 46(7): 218-220.
[11]	卢新国，彭湘华，李丹，周鹏杰，陈东. 在癌症识别中一种新颖的基因特征抽取算法[J]. 计算机工程与应用, 2010, 46(30): 237-240.
[12]	李松倍，谢江，张武，武频. 蛋白质相互作用网络的相似子网搜索问题研究[J]. 计算机工程与应用, 2010, 46(3): 33-35.
[13]	卢新国¹，李丹¹，王海军². 一种增强显现模式的癌症分类算法[J]. 计算机工程与应用, 2010, 46(26): 233-237.
[14]	魏韡^1，2，向阳². 一种基因本体术语间的语义相似度计算方法[J]. 计算机工程与应用, 2010, 46(26): 114-116.
[15]	张国印¹，程慧杰^1，2，刘咏梅¹，姚爱红¹. 一种新算法在基因表达谱聚类中的应用[J]. 计算机工程与应用, 2009, 45(36): 216-218.

结合多数据源预测蛋白质复合物

Predicting protein complex via integration of multiply data sources

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