44、生物信息学中的图挖掘与RNA结构预测

生物信息学中的图挖掘与RNA结构预测

在生物信息学领域，蛋白质结构分析和RNA二级结构预测是两个重要的研究方向。本文将介绍一种基于互信息的连贯子图挖掘算法，用于蛋白质结构分类，并探讨如何利用随机上下文无关文法（SCFG）来判断RNA二级结构预测的可靠性。

基于互信息的连贯子图挖掘算法

在蛋白质数据库的子图挖掘中，由于蛋白质图的规模大且密度高，可能的子图数量极其庞大，这给挖掘重要特征带来了巨大挑战。为了解决这个问题，我们提出了一种基于互信息的子图挖掘模型。

1. 互信息与连贯诱导子图

对于图数据库GD中的子图G，我们定义一个随机变量XG：
- XG = 1的概率为SUPG
- XG = 0的概率为1 - SUPG

给定图G及其子图G’，互信息I(G, G’)的定义为：
[I(G, G’) = \sum_{x_G, x_{G’}} P(x_G, x_{G’}) \log \frac{P(x_G, x_{G’} | x_G)}{P(x_G)P(x_{G’})}]

其中，P(xG, xG’)是(XG, XG’)的（经验）联合概率分布，定义如下：
- 若XG = 1且XG’ = 1，P(xG, xG’) = SUPG
- 若XG = 1且XG’ = 0，P(xG, xG’) = 0
- 若XG = 0且XG’ = 1，P(xG, xG’) = SUPG’ - SUPG
- 其他情况，P(xG, xG’) = 1 - SUPG’

给定阈值t（t > 0）和正整数k，如果对于图G的所有子图G’（|G’| > k）都有I(G, G’