[發(fā)明專利]基于網(wǎng)絡(luò)傳播的蛋白質(zhì)功能預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911369728.0
• 申請(qǐng)日: 2019-12-26
• 公開（公告）號(hào): CN111145830A
• 公開（公告）日: 2020-05-12
• 發(fā)明（設(shè)計(jì)）人: 胡賽;趙碧海;熊慧軍;王皓鋆
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙學(xué)院
• 主分類號(hào): G16B20/00
• 分類號(hào): G16B20/00;G16B40/00
• 代理公司: 安化縣梅山專利事務(wù)所 43005
• 代理人: 潘訪華

本發(fā)明公開了一種基于網(wǎng)絡(luò)傳播的蛋白質(zhì)功能預(yù)測(cè)方法，包括以下步驟：根據(jù)蛋白質(zhì)相互作用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)建立無(wú)向加權(quán)網(wǎng)絡(luò)，并將無(wú)向加權(quán)網(wǎng)絡(luò)表征為無(wú)向圖鄰接矩陣M；根據(jù)蛋白質(zhì)結(jié)構(gòu)域信息和蛋白質(zhì)復(fù)合物信息計(jì)算得到初始傳播距離矩陣MI；根據(jù)無(wú)向圖鄰接矩陣M和初始傳播距離矩陣MI，迭代地計(jì)算蛋白質(zhì)間的網(wǎng)絡(luò)傳播距離以得到網(wǎng)絡(luò)傳播矩陣MP；根據(jù)網(wǎng)絡(luò)傳播矩陣MP逐步添加與測(cè)試蛋白質(zhì)的鄰接節(jié)點(diǎn)構(gòu)成功能模塊，多個(gè)功能模塊構(gòu)成候選功能列表；對(duì)候選功能列表中的候選功能評(píng)分、排序，選擇排名靠前的若干項(xiàng)功能注釋測(cè)試蛋白質(zhì)。本發(fā)明改進(jìn)了蛋白質(zhì)功能預(yù)測(cè)方法研究中多源生物數(shù)據(jù)的融合方式，降低了相互作用網(wǎng)絡(luò)中假陽(yáng)性和假陰性對(duì)預(yù)測(cè)造成的負(fù)面影響，大大提高了蛋白質(zhì)功能預(yù)測(cè)的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及蛋白質(zhì)功能預(yù)測(cè)技術(shù)領(lǐng)域，具體涉及一種基于網(wǎng)絡(luò)傳播的蛋白質(zhì)功能預(yù)測(cè)方法。

背景技術(shù)

蛋白質(zhì)功能的準(zhǔn)確注釋是從分子水平理解生命的關(guān)鍵，對(duì)生物醫(yī)學(xué)和制藥產(chǎn)生巨大的影響。隨著很多物種基因組測(cè)序工作的完成，序列數(shù)據(jù)與他們功能注釋之間的差異日益增大。UniProt數(shù)據(jù)庫(kù)中有功能注釋的序列數(shù)據(jù)不足14％，序列數(shù)據(jù)還在成倍增長(zhǎng)。早期預(yù)測(cè)蛋白質(zhì)功能都是基于實(shí)驗(yàn)方法，如基因敲除，有針對(duì)性的突變與基因表達(dá)的抑制等。這些實(shí)驗(yàn)方法需要付出大量的實(shí)驗(yàn)成本和人力成本，也不適合注釋蛋白質(zhì)的重要部分，從而使得序列與功能之間的差距日益擴(kuò)大。因此，提出高效的蛋白質(zhì)功能注釋的計(jì)算方法成為人們關(guān)注的熱點(diǎn)問(wèn)題之一。

目前蛋白質(zhì)功能預(yù)測(cè)的計(jì)算方法大致可以分為基于序列結(jié)構(gòu)的方法、基于網(wǎng)絡(luò)的方法和多元生物信息融合的方法三種。

(1)基于序列結(jié)構(gòu)的方法

早期的計(jì)算方法大都基于蛋白質(zhì)氨基酸序列相似性或編碼基因融合原理以及蛋白質(zhì)系統(tǒng)發(fā)生譜研究。Henning等首先將GO注釋應(yīng)用于他們的GOblet的BLAST搜索結(jié)果，Groth只是簡(jiǎn)單地將序列匹配到有向無(wú)環(huán)圖表示的GO。雖然沒有結(jié)合相似分?jǐn)?shù)，用戶可以直觀地了解有多少個(gè)序列匹配到共同的GO條目。Zehetner通過(guò)加權(quán)檢索的GO條目列表，將這種匹配擴(kuò)展到OntoBlast方法。Khan等提出的GOFigure方法和Martin等提出的GOtcha方法采用了相似的加權(quán)方式或排名方案，但是所有的分值從GO條目傳播到GO DAG中的父條目層次。任何預(yù)測(cè)GO條目的最后分?jǐn)?shù)根據(jù)各自的貢獻(xiàn)被歸一化。Stavros等使用SSP(序列相似性概要)將蛋白質(zhì)與一組帶注釋的訓(xùn)練蛋白質(zhì)進(jìn)行比較，提出了兩種新的LSDR方法，一種是基于GO結(jié)構(gòu)的LSDR方法，另一種是基于術(shù)語(yǔ)語(yǔ)義相似性的LSDR方法。

(2)基于網(wǎng)絡(luò)的方法

通過(guò)分析蛋白質(zhì)間的相互作用，利用已有的蛋白質(zhì)功能信息，根據(jù)未知蛋白質(zhì)與已知蛋白質(zhì)間的關(guān)聯(lián)性來(lái)注釋未知的蛋白質(zhì)。Schwikowski等提出NC(neighbor counting)方法，將在鄰居蛋白質(zhì)中出現(xiàn)次數(shù)最多的功能預(yù)測(cè)為蛋白質(zhì)的功能。Hishigaki等利用卡方統(tǒng)計(jì)量對(duì)待測(cè)蛋白質(zhì)的近鄰蛋白質(zhì)中功能出現(xiàn)的次數(shù)進(jìn)行評(píng)估，用期望出現(xiàn)的次數(shù)和實(shí)際出現(xiàn)的次數(shù)的差異來(lái)預(yù)測(cè)蛋白質(zhì)是否具有某一功能。Chua等調(diào)查分析功能相似性與網(wǎng)絡(luò)距離的聯(lián)系，他們關(guān)注蛋白質(zhì)的一級(jí)和二級(jí)鄰居，設(shè)計(jì)了一種功能相似性計(jì)算方法，根據(jù)與目標(biāo)蛋白質(zhì)的距離為不同的蛋白質(zhì)賦予不同的權(quán)值。

Vazquez等為每一個(gè)未注釋的蛋白質(zhì)賦予一個(gè)功能，使得連接相同功能蛋白質(zhì)(未注釋或已注釋)的邊數(shù)量最大。Karaoz等采用一種局部搜索程序輪流地搜索每一個(gè)節(jié)點(diǎn)，直至全部覆蓋。節(jié)點(diǎn)的狀態(tài)將根據(jù)大部分鄰居的狀態(tài)而改變，這個(gè)過(guò)程保證至少一半得到最優(yōu)。Sun等也使用了類似的方法，只是他們使用了不同的目標(biāo)函數(shù)和求解方法。Brun等提出基于蛋白質(zhì)距離的PRODISTIN算法，采用BioNJ算法產(chǎn)生層次化的功能樹，并進(jìn)一步創(chuàng)建了在線的功能注釋工具。類似的，Samanta等采用超幾何分布計(jì)算P-value值來(lái)度量蛋白質(zhì)間的距離，而預(yù)測(cè)功能時(shí)則仍采用多數(shù)表決的方法。Nabieva等提出一種相關(guān)的方法，將功能注釋問(wèn)題描述為一個(gè)多路切割問(wèn)題。

(3)多元生物信息融合的方法