考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多关系蛋白质网络,并为每种类型的相互作用赋予不同的遍历优先级.基于多关系网络,提出一种蛋白质功能预测方法 FPM(Functions predic...考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多关系蛋白质网络,并为每种类型的相互作用赋予不同的遍历优先级.基于多关系网络,提出一种蛋白质功能预测方法 FPM(Functions prediction based on multi-relational networks).对于未注释的蛋白质,算法遍历与该蛋白质相连的,具有最高优先级的所有相互作用,形成一个候选邻居节点集合.最后根据邻居节点集合形成预测的功能集合,并为每一项功能评分、排序.与其他算法对比结果表明,FPM方法的性能优于其他的功能预测方法.展开更多
一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此,动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确...一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此,动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法 D-PIN(Dynamic protein interaction networks).基于三个不同的酵母相互作用网络实验结果表明,D-PIN方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.展开更多
考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多个加权网络,并为每种类型的相互作用网络赋予不同的遍历优先级.基于建立的加权优先级网络,提出一种蛋白质功能预测方法PF_WNP(Pred...考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多个加权网络,并为每种类型的相互作用网络赋予不同的遍历优先级.基于建立的加权优先级网络,提出一种蛋白质功能预测方法PF_WNP(Prediction of Functions based on Weighted Netw orks w ith Priority).对于未注释的蛋白质,算法遍历与该蛋白质相连的具有最高优先级的所有相互作用,形成候选邻居节点集合.最后根据邻居节点集合形成预测的功能集合,并为每一项功能评分、排序.实验结果表明,PF_WNP方法的性能优于其他的功能预测方法.展开更多
文摘考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多关系蛋白质网络,并为每种类型的相互作用赋予不同的遍历优先级.基于多关系网络,提出一种蛋白质功能预测方法 FPM(Functions prediction based on multi-relational networks).对于未注释的蛋白质,算法遍历与该蛋白质相连的,具有最高优先级的所有相互作用,形成一个候选邻居节点集合.最后根据邻居节点集合形成预测的功能集合,并为每一项功能评分、排序.与其他算法对比结果表明,FPM方法的性能优于其他的功能预测方法.
文摘一个蛋白质可能在不同条件或不同时刻与不同的蛋白质发生相互作用,这称为蛋白质的动态特性.蛋白质在分子处理的不同阶段参与到不同的模块,与其他的蛋白质共同完成某项功能.因此,动态蛋白质相互作用的研究有助于提高蛋白质功能预测的准确率.结合蛋白质相互作用网络和时间序列基因表达数据,构建动态蛋白质相互作用网络.为降低PPI网络中假阴性对功能预测产生的负面影响,结合结构域信息和复合物信息,预测和产生新的相互作用,并对相互作用加权.基于构建的动态加权网络,提出一种功能预测方法 D-PIN(Dynamic protein interaction networks).基于三个不同的酵母相互作用网络实验结果表明,D-PIN方法的综合性能比现有方法提高了14%以上.结果验证了构建的动态加权蛋白质相互网络的有效性.
文摘考虑到不同类型的相互作用对于功能预测的作用各不相同,结合蛋白质相互作用网络和蛋白质结构域信息构建多个加权网络,并为每种类型的相互作用网络赋予不同的遍历优先级.基于建立的加权优先级网络,提出一种蛋白质功能预测方法PF_WNP(Prediction of Functions based on Weighted Netw orks w ith Priority).对于未注释的蛋白质,算法遍历与该蛋白质相连的具有最高优先级的所有相互作用,形成候选邻居节点集合.最后根据邻居节点集合形成预测的功能集合,并为每一项功能评分、排序.实验结果表明,PF_WNP方法的性能优于其他的功能预测方法.
