45、ProPhyC与球直方图法：生物信息学的新突破

ProPhyC与球直方图法：生物信息学的新突破

在生物信息学领域，准确推断调控网络以及预测蛋白质与DNA的结合倾向一直是研究的重点。本文将介绍两种创新方法：ProPhyC概率系统发育模型和球直方图法预测蛋白质DNA结合倾向，为相关研究提供新的视角和解决方案。

ProPhyC：概率系统发育模型

ProPhyC是一种旨在利用生物间系统发育关系改进调控网络推断的概率系统发育模型。该模型及其相关的细化算法能够轻松适配不同的网络进化模型。

为了测试细化算法的性能，研究人员在模拟数据和生物数据上进行了实验。实验结果表明，在基本和扩展网络进化模型下，ProPhyC和ProPhyCC的相应版本均优于之前的算法RefineFast和RefineML，且这四种细化算法都优于基础推断算法。尤其在扩展模型下，ProPhyC和ProPhyCC相较于RefineFast和RefineML的改进更为显著。这是因为在扩展模型中，RefineFast和RefineML的性能会受到每个直系同源物系统发育信息减少的影响，而ProPhyC和ProPhyCC几乎不受影响。这充分显示了该概率系统发育模型对网络进化模型变化的强大鲁棒性。此外，该模型还能轻松扩展为概率图形模型，以纳入调控网络和结合位点的进化信息。

以下是ProPhyC相关实验结果的表格总结：
| 算法 | 基本网络进化模型表现 | 扩展网络进化模型表现 |
| — | — | — |
| ProPhyC | 优于RefineFast和RefineML，优于基础推断算法 | 显著优于RefineFast和RefineML，优于基础推断算法 |
| ProPhyCC | 优于RefineFast和RefineML，优于基础推断算