[發明專利]基于半監督網絡嵌入模型的蛋白質復合體檢測方法與裝置

有效

• 申請號: 201711250342.9
• 申請日: 2017-12-01
• 公開（公告）號: CN108171010B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 朱佳;黃昌勤
• 申請（專利權）人: 華南師范大學;廣州凡平電子科技有限公司
• 主分類號: G16B15/00
• 分類號: G16B15/00;G16B40/00;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 胡輝

本發明公開了基于半監督網絡嵌入模型的蛋白質復合體檢測方法和裝置，所述方法包括獲取蛋白質相互作用交互網絡的鄰接矩陣，對鄰接矩陣進行嵌入處理，從而得到降維矩陣，利用聚類算法對降維矩陣進行處理，從而得到蛋白質復合體檢測結果等步驟，所述裝置包括用于存儲至少一個程序存儲器以及用于加載所述至少一個程序以執行基于半監督網絡嵌入模型的蛋白質復合體檢測方法的處理器。本發明通過對蛋白質相互作用交互網絡對應的鄰接矩陣進行維度轉化，再交由聚類算法處理，提高了聚類處理的效果。本發明基于半監督網絡嵌入模型的蛋白質復合體檢測方法和裝置廣泛應用于蛋白質復合體識別技術領域。

技術領域

本發明涉及蛋白質復合體識別技術領域，尤其是基于半監督網絡嵌入模型的蛋白質復合體檢測方法與裝置。

背景技術

蛋白質復合體是蛋白質相互作用(Protein-protein interaction，PPI)所形成的復雜的圖結構，在生化過程和制藥工藝中扮演著至關重要的角色。因此，正確地識別PPI交互網絡中的蛋白質復合體，對于生物醫學領域極為有用。不過，隨著PPI數據的巨大增長，又加之實驗方法的瓶頸制約，僅有少量的蛋白質復合體通過實驗被識別。

為克服蛋白質復合體檢測中實驗方法的技術限制，人們使用了計算方法。PPI交互網絡可看做是一個無向的非加權圖，其中，蛋白質是頂點，它們的相互作用是邊。每個蛋白質復合體由兩個或更多的表現為密集相連的子圖的蛋白質構成，這意味著，可以利用基于聚類方法形成的圖來發現它們。

近來，網絡嵌入被人們廣泛加以研究，并證實其可進一步改善許多圖聚類方法的性能。網絡向量學習網絡中頂點的低維表示，用以捕捉和保存該網絡結構。不過，大部分現有的網絡向量方法嚴重依賴網絡中每個頂點的特征，這使得它們不適用于PPI交互網絡。PPI交互網絡中，除了蛋白質名稱之外，沒有任何元數據與每個頂點相關。換言之，現有的網絡向量方法無法完全捕捉PPI交互網絡結構，因為沒有足夠的資料能用來計算其一階估計和二階估計。

發明內容

為了解決上述技術問題，本發明的第一目的在于提供基于半監督網絡嵌入模型的蛋白質復合體檢測方法，第二目的在于提供基于半監督網絡嵌入模型的蛋白質復合體檢測裝置。

本發明所采取的第一技術方案是：

基于半監督網絡嵌入模型的蛋白質復合體檢測方法，包括以下步驟：

獲取蛋白質相互作用交互網絡的鄰接矩陣；

對鄰接矩陣進行嵌入處理，從而得到降維矩陣；

利用聚類算法對降維矩陣進行處理，從而得到蛋白質復合體檢測結果。

進一步地，所述對鄰接矩陣進行嵌入處理，從而得到降維矩陣這一步驟，具體包括：

計算蛋白質相互作用交互網絡中所有任意兩點之間的一階估計，從而得到蛋白質相互作用交互網絡的局部結構信息；

計算蛋白質相互作用交互網絡中所有任意兩點之間的二階估計，從而得到蛋白質相互作用交互網絡的總體結構信息；

將局部結構信息和總體結構信息保存到鄰接矩陣中，從而得到降維矩陣。

進一步地，所述計算蛋白質相互作用交互網絡中所有任意兩點之間的一階估計，從而得到蛋白質相互作用交互網絡的局部結構信息這一步驟，具體包括：

利用鄰點選擇算法選擇出蛋白質相互作用交互網絡中的每一個頂點的優選鄰點集；

分別根據每一個頂點的優選鄰點集，為每一個頂點賦予特征信息，從而建立特征信息矩陣；

根據特征信息矩陣，計算蛋白質相互作用交互網絡中所有任意兩點之間的一階估計；

將蛋白質相互作用交互網絡中所有任意兩點之間的一階估計作為所需獲取的蛋白質相互作用交互網絡的局部結構信息。