43、生物网络分析：从蛋白质功能模块挖掘到调控网络优化

生物网络分析：从蛋白质功能模块挖掘到调控网络优化

1. 蛋白质功能模块挖掘算法GSM

蛋白质相互作用网络中功能模块的识别对于理解其结构和功能特性至关重要。随着蛋白质相互作用数据的不断增加，为检测蛋白质功能模块提供了可能。

提出了一种名为GSM的贪心搜索聚类算法，用于从蛋白质相互作用网络中挖掘功能模块。该算法的核心在于考虑到核心蛋白和外围蛋白由于拓扑特征不同，可能具有不同的角色和属性。具体操作步骤如下：
- 定义标准 ：GSM定义了边的权重以及两个用于确定核心节点和附属节点的标准。
- 生成核心 ：首先生成模块的核心。
- 形成模块 ：将附属节点纳入核心，形成完整的模块。

将GSM应用于典型的酿酒酵母PPI网络，并使用MIPS基准和GO注释来验证所识别的模块，并与其他几种算法（如MCODE、CFinder、DPClus、COACH）进行性能比较。评估和分析表明，该算法预测的大多数功能模块具有较高的功能相似性，并且与基准匹配良好。定量比较显示，GSM算法优于其他竞争算法。不过，实际PPI网络中存在一些稀疏模块，未来希望能够检测这些稀疏模块，并将算法应用于加权图。

在研究过程中，还通过改变参数 cnin 来研究生成的聚类。参数 cnin 的影响如下表所示：
|参数影响|变化趋势|
| ---- | ---- |
|最大聚类的大小|当 cnin 从0.1变为0.9时，最大聚类的大小和聚类的平均大小减小|