文献类型：期刊文章

作　　者：毛伊敏[1] 章宇盟[1] 胡健[2]

Mao Yimin;Zhang Yumeng;Hu Jian(School of Information Engineering,Jiangxi University of Science&Technolo-gy,Ganzhou Jiangxi 341000,China;Dept.of Information Engineering,College of Applied Science,Jiangxi University of Science&Technolo-gy,Ganzhou Jiangxi 341000,China)

机构地区：[1]江西理工大学信息工程学院,江西赣州341000 [2]江西理工大学应用科学学院信息工程系,江西赣州341000

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(41562019,41530640);江西省自然基金资助项目(GJJ161566,20161BAB203093);江西省教育厅科技项目(GJJ181504,GJJ151528)。

年　　份：2020

卷　　号：37

期　　号：7

起止页码：1983-1988

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对蛋白质相互作用(protein-protein interaction,PPI)网络中存在大量噪声以及现有关键蛋白识别方法准确率不高等问题,提出了一种基于中心性和模块特性(united centrality and modularity,UCM)的方法来识别关键蛋白质。首先,整合蛋白质拓扑数据和生物数据构建多元属性网络,以降低PPI网络中噪声的影响;其次,根据关键蛋白质的拓扑特性和生物特性,提出一种挖掘稠密且高度共表达的关键模块算法,从多元属性网络中挖掘高可靠性的关键模块,以从多维角度强化关键蛋白质在模块中的重要程度;最后,整合蛋白质的中心性和模块化特性,设计一种衡量蛋白质关键性的策略(essential integration strategy,EIS),以提高识别高关键蛋白质的准确率。UCM方法应用在DIP数据集上进行验证,实验结果表明,与其他10种关键蛋白质识别方法相比较,该方法具有较好的识别性能,能够识别更多的关键蛋白质。

关 键 词：蛋白质相互作用网络 多元属性  关键模块  中心性 关键蛋白质  

分 类 号：TP399]