[發(fā)明專利]一種針對(duì)多視圖數(shù)據(jù)融合的蛋白質(zhì)功能模塊挖掘方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201310545984.7
• 申請(qǐng)日: 2013-11-06
• 公開（公告）號(hào): CN103559426A
• 公開（公告）日: 2014-02-05
• 發(fā)明（設(shè)計(jì)）人: 賈克斌;張媛
• 申請(qǐng)（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號(hào): G06F19/24
• 分類號(hào): G06F19/24
• 代理公司: 北京思海天達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)挖掘領(lǐng)域，涉及一種融合多種生物數(shù)據(jù)源和蛋白質(zhì)相互作用網(wǎng)絡(luò)(Protein-protein?interaction?network,PPIN)的蛋白質(zhì)功能模塊檢測(cè)方法。

背景技術(shù)

基于蛋白質(zhì)相互作用網(wǎng)絡(luò)分析蛋白質(zhì)的具體功能是目前生物信息學(xué)研究中的一大熱點(diǎn)。蛋白質(zhì)相互作用(Protein-protein?interaction,PPI)描述的是兩個(gè)蛋白質(zhì)間的物理直接連接，或者具有一致功能的兩個(gè)蛋白質(zhì)的間接連系。PPIN以每個(gè)蛋白質(zhì)為結(jié)點(diǎn)，兩個(gè)蛋白質(zhì)間的相互關(guān)系作為兩結(jié)點(diǎn)的邊，形成一無向圖。在生物體內(nèi)，多數(shù)蛋白質(zhì)通過相互作用形成功能意義上緊密聯(lián)系的集合，也就是功能模塊，從而共同執(zhí)行相應(yīng)的一種或多種生命活動(dòng)，因此分析PPI功能意義是了解和掌握生命活動(dòng)的分子機(jī)制的基礎(chǔ)。至今，學(xué)術(shù)各界已提出多種聚類方法用來檢測(cè)PPIN中的功能模塊，其中基于非監(jiān)督學(xué)習(xí)的聚類方法是最常用的PPI模塊挖掘方法。然而，由于PPI數(shù)據(jù)的高噪聲和不完整性，聚類結(jié)果大多不能令人滿意。有學(xué)者證實(shí)酵母雙雜交實(shí)驗(yàn)(Yeast?Two-Hybrid)所檢測(cè)到的PPI的誤報(bào)率(False?Positive)可達(dá)50%。基于如此大噪聲比例的數(shù)據(jù)，單純依據(jù)PPIN的拓?fù)涮卣鞑荒鼙ＷC得到可靠的功能模塊檢測(cè)結(jié)果。。這也是之前一些傳統(tǒng)功能模塊挖掘方法，如MCODE,CFinder,馬爾科夫聚類(Markov?Clustering,MCL)等方法的一大掣肘。

近年來生物數(shù)據(jù)收集方法日新月異，結(jié)合多種數(shù)據(jù)對(duì)PPI進(jìn)行研究成為可能。首先，基因表達(dá)數(shù)據(jù)被用于尋找共表達(dá)的基因和基因產(chǎn)物。這一方法的基本假設(shè)是，在一段生命過程中表達(dá)模式相似的基因(或基因產(chǎn)物)傾向具有相同的功能，同時(shí)在PPIN中也更傾向于相互聯(lián)系形成密集功能模塊。Segal等人依據(jù)基因共表達(dá)的模式特征來提取功能模塊；Li和Wu將基因共表達(dá)作為PPIN權(quán)重進(jìn)行網(wǎng)絡(luò)分析。另一方面，Cho等人利用基因本體注釋信息(Gene?Ontology,GO)計(jì)算蛋白質(zhì)相似度，并據(jù)此構(gòu)建了蛋白質(zhì)功能流在網(wǎng)絡(luò)中的傳輸模型，功能流所到之處被劃分為同一功能模塊。這一方法體現(xiàn)了蛋白質(zhì)功能在網(wǎng)絡(luò)中的動(dòng)態(tài)傳遞概念，并解決了多功能蛋白質(zhì)的多功能模塊從屬，即功能模塊的重疊問題。

這些方法均達(dá)到一定程度的成功。然而不同的數(shù)據(jù)各有傾向：基因共表達(dá)傾向于檢測(cè)細(xì)胞生命過程中表達(dá)模式一致的蛋白質(zhì)群，而GO則是靜態(tài)描述的功能信息。同時(shí)，二者各有弊端：首先，基因表達(dá)數(shù)據(jù)在收集過程中，實(shí)驗(yàn)本身引入的噪聲不可避免；其次，由于人類技術(shù)所限，還有豐富的基因功能特質(zhì)依然未知，GO注釋信息也仍在不斷完善。將每個(gè)角度所獲得的數(shù)據(jù)看做一個(gè)視圖。如何從多視圖中提取出最準(zhǔn)確的信息是生物信息學(xué)及數(shù)據(jù)挖掘界一直面臨的難題。

發(fā)明內(nèi)容

針對(duì)蛋白質(zhì)相互作用數(shù)據(jù)的高噪聲問題，提出一種針對(duì)多視圖數(shù)據(jù)融合的蛋白質(zhì)功能模塊挖掘方法。本方法著眼于同時(shí)分析多生物數(shù)據(jù)，包括基因共表達(dá)、GO注釋和PPIN，從多視圖中提取聚合特征最為一致的蛋白質(zhì)功能模塊。該方法尤其適用于蛋白質(zhì)相互作用網(wǎng)絡(luò)和多生物數(shù)據(jù)的融合分析，同時(shí)可應(yīng)用于社交復(fù)雜網(wǎng)絡(luò)、通訊網(wǎng)絡(luò)的社區(qū)挖掘問題。

本發(fā)明所采取的技術(shù)方案是：首先，量化多個(gè)數(shù)據(jù)源對(duì)蛋白質(zhì)相互作用的強(qiáng)弱描述，形成多視圖數(shù)據(jù)；進(jìn)而，利用本發(fā)明提出的聚合非負(fù)矩陣算法對(duì)多視圖數(shù)據(jù)進(jìn)行一致矩陣分解，通過得到對(duì)多視圖信息的最優(yōu)近似，確定蛋白質(zhì)的功能模塊。

一種針對(duì)多視圖數(shù)據(jù)融合的蛋白質(zhì)功能模塊挖掘方法，包括以下步驟：

步驟1：構(gòu)建蛋白質(zhì)相互作用網(wǎng)絡(luò)的鄰接矩陣A。

每個(gè)結(jié)點(diǎn)順序編號(hào)并標(biāo)記為(1,2,…,N)，N為結(jié)點(diǎn)總數(shù)。結(jié)點(diǎn)i、j間的邊記為e_ij，且0<i<N,0<j<N；忽略自相關(guān)關(guān)系，A的對(duì)角線元素全部設(shè)定為0。由于相互作用無方向指向，因此A為對(duì)稱矩陣。

步驟2：計(jì)算基因表達(dá)模式的相似程度。

采用Pearson相關(guān)系數(shù)計(jì)算基因表達(dá)模式的相似程度，并歸一化至[0,1]。

步驟3：計(jì)算基因表達(dá)譜上的相似矩陣。

將基因共表達(dá)相關(guān)系數(shù)作為e_ij的權(quán)重，與PPIN結(jié)合，獲得基因表達(dá)譜上的相似矩陣wCO：

wCO_ij＝CoExp_ij×A_ij

其中，CoExp為基因共表達(dá)相關(guān)系數(shù)；×代表元素相乘。

步驟4：提取蛋白質(zhì)所對(duì)應(yīng)的基因本體標(biāo)注。