2、蛋白质相互作用网络分析与聚类方法综述

蛋白质相互作用网络分析与聚类方法综述

上半部分

1. 蛋白质 - 蛋白质相互作用网络的分析与比较

蛋白质 - 蛋白质相互作用（PPI）数据可以用图来表示，其中节点代表蛋白质，边代表蛋白质之间的相互作用。最简单的表示方法使用无向图，而更精细的模型使用有向和带标签的边来整合生化关联的类型和方向信息。从二元相互作用的数据集开始，可以通过迭代的方式轻松构建图。

对相互作用网络的研究可以分为两类：
- 挖掘单个相互作用网络的算法 ：这类算法试图提取图中的基序（motif），即图中反复出现的区域，假设它们可能编码具有生物学意义的对象。例如，一些算法用于预测蛋白质复合物，通过在 PPI 网络中搜索小而高度互连的区域（即团（clique））来识别复合物。
- 比较两个或多个网络的算法（网络比对算法） ：这类算法用于揭示不同物种之间相互作用的保守性和差异性，通常输入两个或多个 PPI 网络，输出它们之间的一组保守子图。

以下是一些常见的网络分析和比对算法：
| 算法类型 | 算法名称 | 任务 | 方法 |
| — | — | — | — |
| 网络分析算法 | MCODE | 复合物预测 | 聚类 |
| 网络分析算法 | MCL | 复合物预测 | 聚类 |
| 网络分析算法 | RNSC | 复合物预测 | 聚类 |
| 网络比对算法 | PathBlast | 成对局部比对 | - |
| 网络比对算法 | Mawish | 成对局部比对 | - |
| 网络比对算法 | Graemlin