蛋白質網(wǎng)絡簡介

李坤2015.1.8蛋白質相互作用網(wǎng)絡

學習匯報匯報內(nèi)容1、ELM流程介紹2、3、4、ACO流程介紹MCL流程介紹DIP介紹ExtremeLearningMachines（ELM）該SLFN包括三層：輸入層、隱含層和輸出層假設有N個任意的樣本(Xi,Yi)，其中對于一個有N’個隱層節(jié)點的單隱層神經(jīng)網(wǎng)絡可以表示為:其中，g(x)為激活函數(shù)，Wi為輸入權重，βi為輸出權重，bi是第個i隱層單元的偏置。Wi*Xi表示W(wǎng)i和Xi的內(nèi)積。ExtremeLearningMachines（ELM）用矩陣表示如下：一旦輸入權重Wi和隱層的偏置bi被隨機確定，隱層的輸出矩陣H就被唯一確定。訓練單隱層神經(jīng)網(wǎng)絡可以轉化為求解一個線性系統(tǒng)：Hβ=Y并且輸出權重可以被確定：

其中，是矩陣H的Moore-Penrose廣義逆。且可證明求得的解的范數(shù)是最小的并且唯一。蟻群算法模仿螞蟻覓食的過程，尋找網(wǎng)絡中初始節(jié)點到終端節(jié)點的最優(yōu)路徑。該過程螞蟻必須經(jīng)過最優(yōu)路徑上的每個節(jié)點一次，經(jīng)過多次迭代保證路徑最優(yōu)。AntColonyOptimization（ACO）1.在初始狀態(tài)下，一群螞蟻外出，此時沒有信息素，那么各自會隨機的選擇一條路徑。2.在下一個狀態(tài)，每只螞蟻到達了不同的點，從初始點到這些點之間留下了信息素，螞蟻繼續(xù)走，已經(jīng)到達目標的螞蟻開始返回，與此同時，下一批螞蟻出動，它們都會按照各條路徑上信息素的多少選擇路線(selection)，更傾向于選擇信息素多的路徑走（當然也有隨機性）。3.又到了再下一個狀態(tài)，剛剛沒有螞蟻經(jīng)過的路線上的信息素不同程度的揮發(fā)掉了(evaporation)，而剛剛經(jīng)過了螞蟻的路線信息素增強(reinforcement)。然后又出動一批螞蟻，重復第2個步驟。AntColonyOptimization（ACO）過程：1、初始化數(shù)據(jù)為鄰接矩陣2、將鄰接矩陣轉化為距離矩陣3、以距離矩陣作為輸入，利用ACO尋找最優(yōu)路徑AntColonyOptimization（ACO）AntColonyOptimization（ACO）AntColonyOptimization（ACO）AntColonyOptimization（ACO）MarkovClusteringAlgorithm（MCL）MCL算法(MarkovClusterAlgorithm)是一種快速、簡單、易擴展的聚類算法，它可以應用于有權有向圖，其核心思想是模擬圖中的隨機游走過程．所依據(jù)的理論是“在圖G中的隨機游走。如果它訪問圖G的一個稠密子圖，除非子圖中的大部分節(jié)點都被訪問過，否則不會走出該稠密子圖”．2步操作：）蛋白相互作用網(wǎng)絡蛋白相互作用網(wǎng)絡

考慮到PPIN的復雜性，研究人員往往從多種方向和視角來研究某一生物所有的蛋白質相互作用。酵母蛋白質相互作用聯(lián)絡圖人蛋白質相互作用聯(lián)絡圖整體系統(tǒng)部分單體a：為全面了解某一生物功能的機理，研究并確定PPIN中兩個節(jié)點之間相互作用的邊是需要解決的第一個重要問題，這被稱為小規(guī)模實驗。b：研究PPIN的拓撲結構和規(guī)模，對于了解該網(wǎng)絡的全局性能是非常重要的。c：研究PPIN中蛋白質復合體是至關重要的。一些蛋白質可與其他多個蛋白質結合組成蛋白質復合體。通常這些復合體可以組成一個穩(wěn)定的單位，在一定時間內(nèi)不會發(fā)生重大變化。但也有另一些高度動態(tài)變化的復合體可導致細胞狀態(tài)和功能的改變。d：生物體內(nèi)的信號轉導路徑、代謝路徑和有關的細胞過程是構建PPIN的骨干。要了解細胞，研究和建立上述路徑模型也是至關重要的。在許多信號轉導和代謝路徑中都有蛋白質相互作用。e：可根據(jù)蛋白質相互作用的關系來預測蛋白質的功能。預測蛋白質功能是目前計算生物學的一個最重要的任務。利用數(shù)據(jù)模型和計算方法，可以直接從蛋白質序列預測PPIN的結構、功能及其動力學機制。蛋白質很少單獨參與生命過程，而是通過不同蛋白質之間的物理相互作用形成大的分子結構——蛋白質復合體(proteincomplex)。復合體是蛋白質執(zhí)行其功能的主要形式，是完成細胞中重要活動的基本分子組成形式。作為生物檢測技術的補充，發(fā)展準確的蛋白質復合體計算識別方法是生物信息學目前研究熱點問題之一。從蛋白質網(wǎng)絡識別復合體的基本假設是，網(wǎng)絡具有模塊性并且網(wǎng)絡中的模塊與蛋白質復合體有密切關系。蛋白質復合體一般是在網(wǎng)絡中對應連接稠密的子圖結構。通過挖掘蛋白質網(wǎng)絡中特定模塊結構是識別蛋白質復合體的一個重要研究方向。依據(jù)