42、基于核心 - 附着结构的贪心搜索方法挖掘蛋白质相互作用网络中的功能模块

基于核心 - 附着结构的贪心搜索方法挖掘蛋白质相互作用网络中的功能模块

1. 引言

在真实网络中，通常存在一些节点之间连接更为紧密的部分，这些节点集合常被称为聚类、社区或模块。在蛋白质 - 蛋白质相互作用（PPI）图中，具有生物学相关性的功能模块的存在已得到众多研究人员的证实。功能模块的识别对于理解网络的结构和功能特性至关重要。

蛋白质复合物和功能模块是两个不同的生物学概念。蛋白质复合物是几种蛋白质（可能还有其他分子）在同一时间和地点通过分子相互作用（结合）形成的物理聚集体。而功能模块由相互作用以控制或执行特定细胞功能的多个蛋白质（和其他分子）组成，但其中的蛋白质不一定在同一时间和地点相互作用。在本文中，由于用于检测蛋白质复合物的蛋白质相互作用数据未提供时间和空间信息，因此不区分蛋白质复合物和功能模块。

许多图聚类方法已被用于挖掘功能模块，这些方法主要基于PPI网络中密集连接区域通常对应实际蛋白质功能模块的观察，即检测由稀疏区域分隔的图的密集连接区域。下面介绍一些使用PPI网络作为数据集挖掘功能模块的图聚类方法：
- MCODE算法 ：由Bader和Hogue提出，利用蛋白质相互作用图中的连接值来挖掘蛋白质复合物。该算法先根据邻居密度计算顶点权重值，然后从具有高权重值的种子蛋白质向外遍历，递归地包含权重高于给定阈值的相邻顶点。但由于高权重顶点可能彼此连接不紧密，该算法不能保证发现的区域是密集的。
- DPClus算法 ：由Amin等人提出，通过跟踪检测到的聚类的外围来检测蛋白质复合物。该算法首先根据两个蛋白质之间的共同邻居对每条边进行加权，然后根据加权度对节点进行加权。为形成蛋白质复合