[發(fā)明專利]一種引入序列信息的殘基相互作用網(wǎng)絡(luò)比對(duì)方法SI-MAGNA

有效

• 申請(qǐng)?zhí)枺?/td>: 201710981020.5
• 申請(qǐng)日: 2017-10-20
• 公開(kāi)（公告）號(hào): CN107679616B
• 公開(kāi)（公告）日: 2020-12-04
• 發(fā)明（設(shè)計(jì)）人: 丁彥蕊;陶斯涵
• 申請(qǐng)（專利權(quán)）人: 江南大學(xué)
• 主分類號(hào): G06N3/00
• 分類號(hào): G06N3/00
• 代理公司: 哈爾濱市陽(yáng)光惠遠(yuǎn)知識(shí)產(chǎn)權(quán)代理有限公司 23211
• 代理人: 張勇

本發(fā)明公開(kāi)了一種引入序列信息的殘基相互作用網(wǎng)絡(luò)比對(duì)算法SI?MAGNA，屬于計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域。本發(fā)明方法是基于完全依靠網(wǎng)絡(luò)拓?fù)湫畔⒌腗AGNA比對(duì)算法框架，在其優(yōu)化函數(shù)中引入了蛋白質(zhì)的序列信息相似性得分并提出SI?MAGNA算法。它計(jì)算種群成員適應(yīng)度值，將兩個(gè)父代比對(duì)通過(guò)交叉函數(shù)擇優(yōu)產(chǎn)生一個(gè)適應(yīng)度值更高的子代比對(duì)，迭代循環(huán)，當(dāng)滿足終止條件時(shí)，退出循環(huán)，輸出比對(duì)結(jié)果。本發(fā)明方法利用算法SI?MAGNA的在殘基相互作用網(wǎng)絡(luò)比對(duì)上的準(zhǔn)確性，可以發(fā)現(xiàn)蛋白質(zhì)結(jié)構(gòu)上的保守區(qū)域，從而找到實(shí)現(xiàn)相似功能的相似結(jié)構(gòu)和產(chǎn)生差異的獨(dú)有結(jié)構(gòu)，為從系統(tǒng)角度研究蛋白質(zhì)空間結(jié)構(gòu)和蛋白質(zhì)性質(zhì)、功能的關(guān)系提供了有效的手段。

技術(shù)領(lǐng)域

本發(fā)明是一種引入序列信息的殘基相互作用網(wǎng)絡(luò)比對(duì)算法SI-MAGNA，屬于計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域。具體的說(shuō)就是基于MAGNA網(wǎng)絡(luò)比對(duì)方法，提出引入蛋白質(zhì)序列信息的殘基相互作用網(wǎng)絡(luò)比對(duì)算法SI-MAGNA，發(fā)現(xiàn)兩個(gè)蛋白質(zhì)結(jié)構(gòu)上的保守區(qū)域，從而找到實(shí)現(xiàn)相似功能的相似結(jié)構(gòu)和產(chǎn)生差異的獨(dú)有結(jié)構(gòu)，該方法可應(yīng)用于分子設(shè)計(jì)、分子篩選、藥物設(shè)計(jì)等諸多領(lǐng)域。

背景技術(shù)

隨著實(shí)驗(yàn)測(cè)定技術(shù)的發(fā)展，產(chǎn)生了大量的分子相互作用數(shù)據(jù)，也稱為生物網(wǎng)絡(luò)數(shù)據(jù)，例如：蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)、代謝網(wǎng)絡(luò)、殘基相互作用網(wǎng)絡(luò)、基因表達(dá)網(wǎng)絡(luò)等。這使得生物網(wǎng)絡(luò)比對(duì)在近年來(lái)成為研究代謝、結(jié)構(gòu)、功能和進(jìn)化的一類重要的方法。殘基相互作用網(wǎng)絡(luò)對(duì)于從系統(tǒng)角度研究蛋白質(zhì)空間結(jié)構(gòu)和蛋白質(zhì)性質(zhì)、功能的關(guān)系有著至關(guān)重要的作用。而殘基相互作用網(wǎng)絡(luò)比對(duì)對(duì)于研究蛋白質(zhì)的分子基礎(chǔ)和空間結(jié)構(gòu)非常重要，它能夠推動(dòng)蛋白質(zhì)結(jié)構(gòu)、性質(zhì)和功能相關(guān)研究的發(fā)展。

目前，絕大多數(shù)的網(wǎng)絡(luò)比對(duì)方法是針對(duì)蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)提出的。Kuchaiev,O(《Integrative network alignment reveals large regions of globalnetwork similarity in yeast and human》，Bioinformatics,2011,27(10):1390–1396)等人整合了網(wǎng)絡(luò)節(jié)點(diǎn)之間的多種類型的相似性標(biāo)準(zhǔn)，并決定了相似性標(biāo)準(zhǔn)間的權(quán)重，利用最大權(quán)重雙邊圖找出最優(yōu)比對(duì)。然而該方法整合了基于蛋白質(zhì)生物信息的相似性標(biāo)準(zhǔn)，對(duì)于殘基相互作用網(wǎng)絡(luò)比對(duì)，需要在比對(duì)時(shí)排除這一因素，比對(duì)過(guò)程比較復(fù)雜。Maoguo Gong(《Global Biological Network Alignment by Using Efficient Memetic Algorithm》，IEEE/ACM Transactions on Computational Biology and Bioinformatics,2016,13(6):1117-1129)等人將遺傳算法與局部搜索相結(jié)合，首先使用一個(gè)粗略的相似度得分矩陣進(jìn)行初始化，然后使用特定的鄰域啟發(fā)式局部搜索策略來(lái)找到最優(yōu)比對(duì)。然而該方法針對(duì)蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)比對(duì)，它需要蛋白質(zhì)的節(jié)點(diǎn)信息作為比對(duì)的優(yōu)化條件，對(duì)于殘基相互作用網(wǎng)絡(luò)比對(duì)，無(wú)法產(chǎn)生在網(wǎng)絡(luò)拓?fù)浜鸵患?jí)結(jié)構(gòu)方面更準(zhǔn)確的比對(duì)結(jié)果。SomayeHashemifar (《ModuleAlign:module-based global alignment of protein–proteininteraction networks》，Bioinformatics,2016,32(17):i658–i664)等人利用局部信息來(lái)定義模塊的同源性分?jǐn)?shù)，基于參與相同模塊的功能相關(guān)蛋白質(zhì)的分層聚類，并采用迭代方案找到兩個(gè)網(wǎng)絡(luò)之間的比對(duì)。然而該方法針對(duì)蛋白質(zhì)-蛋白質(zhì)相互作用網(wǎng)絡(luò)，需要蛋白質(zhì)同源性方面的信息作為比對(duì)的重要依據(jù)，對(duì)于殘基相互作用網(wǎng)絡(luò)比對(duì)，無(wú)法產(chǎn)生在生物方面合理的比對(duì)結(jié)果。

生物網(wǎng)絡(luò)比對(duì)是一種通過(guò)比較兩個(gè)或多個(gè)相互作用網(wǎng)絡(luò)，發(fā)現(xiàn)不同網(wǎng)絡(luò)在拓?fù)浜凸δ苌系南嗨茀^(qū)域的方法，已經(jīng)在研究生物分子的結(jié)構(gòu)和功能，分析生物的進(jìn)化和演變等領(lǐng)域有了重要應(yīng)用。然而文獻(xiàn)及專利中未見(jiàn)有針對(duì)于殘基相互作用網(wǎng)絡(luò)比對(duì)的算法，更未見(jiàn)將蛋白質(zhì)的序列信息引入到殘基相互作用網(wǎng)絡(luò)比對(duì)中的算法。

發(fā)明內(nèi)容