一种基于多目标优化的蛋白质网络模块挖掘方法技术

本发明专利技术公开了一种基于多目标优化算法的蛋白质功能模块识别方法，是将所述网络蛋白质节点判定为非重叠蛋白质节点和候选重叠蛋白质节点，通过混合编码，粒子群初始化以及粒子群进化来解决蛋白质网络功能模块挖掘问题。本发明专利技术能解决蛋白质网络功能模块组合的单一性问题，提供多种模块组合供用户选择，从而能提高功能模块挖掘的准确性与有效性。

A method of protein network module mining based on multi-objective optimization

The invention discloses a protein function module identification method based on multi objective optimization algorithm, is the network node to determine protein protein nodes into non overlapping overlapping nodes and candidate protein, through the hybrid encoding, initialization of the particle swarm and particle swarm optimization to solve the problem of mining functional protein network module. The invention can solve the singleness problem of the function module combination of the protein network, and provides a plurality of module combinations for the user to select, thereby improving the accuracy and validity of the function module mining.

【技术实现步骤摘要】
一种基于多目标优化的蛋白质网络模块挖掘方法
本专利技术涉及复杂蛋白质网络功能模块识别
，具体的说是一种基于多目标优化算法的蛋白质功能模块识别方法，将蛋白质网络描述为一个二元组，利用多目标优化算法的重叠社团检测算法来解决蛋白质功能模块识别。
技术介绍
生物体内成千上万种蛋白质，在不同时间和不同空间阶段组成功能种类繁多的蛋白质模块，在具有生物意义的细胞功能中，蛋白质功能模块是其最基本的组成单位之一，它在结合各个基因产物的过程中起着非常重要的作用，如何从蛋白质的相互作用数据中挖掘与生物功能密切相关的蛋白质功能模块，成为人们揭开蛋白质相互作用与探测生物功能联系的重要突破口，而当前存在的方案不能有效的解决蛋白质功能模块识别问题，而且这些方案最后得到的结果单一，缺乏选择多样性，所以提出基于多目标优化算法的蛋白质功能模块识别方法，能有效的挖掘更好的蛋白质模块组合，并且能提供更多的蛋白质模块选择组合。目前蛋白质网络功能模块识别领域中的问题包含两类研究方法：一类研究方法是利用融合多生物数据的二分图聚类集成方法来检测网络中的功能模块，该方法结合了基因本体论(geneontology，GO)、基因表本文档来自技高网...

【技术保护点】
一种基于多目标优化的蛋白质网络的模块挖掘方法，其特征是按如下步骤进行：定义所述蛋白质网络表征为G(V,E)，V＝{v1,v2,…,vi,…,vn}表示所述蛋白质网络中所有蛋白质节点的集合，vi表示第i个蛋白质节点；n为蛋白质节点的总数；E＝{eij|i＝1,2,…,n；j＝1,2,…,n}表示任意两个蛋白质节点之间的联系的集合；eij表示第i个蛋白质节点vi与第j个蛋白质节点vj之间的联系；若eij＝1表示第i个蛋白质节点vi与第j个蛋白质节点vj之间有边相连，则称第i个蛋白质节点vi与第j个蛋白质节点vj互为邻居节点；若第k个蛋白质节点vk同时与第i个蛋白质节点vi与第j个蛋白质节点vj之间...

【技术特征摘要】
1.一种基于多目标优化的蛋白质网络的模块挖掘方法，其特征是按如下步骤进行：定义所述蛋白质网络表征为G(V,E)，V＝{v1,v2,…,vi,…,vn}表示所述蛋白质网络中所有蛋白质节点的集合，vi表示第i个蛋白质节点；n为蛋白质节点的总数；E＝{eij|i＝1,2,…,n；j＝1,2,…,n}表示任意两个蛋白质节点之间的联系的集合；eij表示第i个蛋白质节点vi与第j个蛋白质节点vj之间的联系；若eij＝1表示第i个蛋白质节点vi与第j个蛋白质节点vj之间有边相连，则称第i个蛋白质节点vi与第j个蛋白质节点vj互为邻居节点；若第k个蛋白质节点vk同时与第i个蛋白质节点vi与第j个蛋白质节点vj之间有边相连，则称第k个蛋白质节点vk是第i个蛋白质节点vi与第j个蛋白质节点vj的共同邻居；若eij＝0，表示第i个蛋白质节点vi与第j个蛋白质节点vj之间无边相连，即不存在联系；步骤1、将所述网络蛋白质节点判定为非重叠蛋白质节点和候选重叠蛋白质节点：步骤1.1：定义第i个蛋白质节点vi的关键点记为Hi；所述关键点Hi表示第i个蛋白质节点vi的邻居节点中与vi拥有最多共同邻居的蛋白质节点；定义第i个蛋白质节点vi的关键点Hi以及第i个蛋白质节点vi和关键点Hi之间的共同邻居所组成的蛋白质网络称为关键邻居子图；步骤1.2：判断第i个蛋白质节点vi是否存在一个关键邻居子图，若存在，则将第i个蛋白质节点vi的第一个关键邻居子图记为Gi,1，并执行步骤1.3；否则，表示第i个蛋白质节点vi为非重叠点蛋白质节点；步骤1.3：判断第i个蛋白质节点vi是否还存在另一个关键邻居子图，若存在，则将第i个蛋白质节点vi的第二个关键邻居子图记为Gi,2，并执行步骤1.4；否则表示第i个蛋白质节点vi为非重叠蛋白质节点；步骤1.4：利用式(1)计算第一个关键邻居子图Gi,1和第二关键邻居子图Gi,2之间的连接稀疏灵敏度值COCL(Gi,1,Gi,2)：式(1)中，L(Gi,1,Gi,2)表示第一个关键邻居子图Gi,1和第二关键邻居子图Gi,2之间的连接边数；L(Gi,1,Gi,1)表示第一个关键邻居子图Gi,1内的连接边数；L(Gi,2,Gi,2)表示第二关键邻居子图Gi,2内的连接边数；步骤1.5：判断COCL(Gi,1,Gi,2)是否小于灵敏度参数μ，若小于，则表示所述第i个蛋白质节点vi为候选重叠蛋白质节点，否则表示所述第i个蛋白质节点vi为非重叠蛋白质节点；步骤1.6、重复步骤1.2-1.5，从而完成n个蛋白质节点的判断，并由所有的候选重叠蛋白质节点构成候选重叠蛋白质节点集合O＝(o1,o2，…,oa,…,ob)，oa表示任意第a个候选重叠蛋白质节点；由所有的非重叠蛋白质节点构成非重叠蛋白质节点集合S＝(s1,s2，…,sc，…,sd)；sc表示任意第c个非重叠蛋白质节点；b+d＝n；步骤2、个体编码及解码：步骤2.1：个体编码对候选重叠蛋白质节点集合O中的第a个候选蛋白质节点oa进行编码，令第a个候选重叠蛋白质节点oa的基因值xa随机为-1或0；对非重叠蛋白质节点集合S中的第c个非重叠蛋白质节点sc进行编码，令第c个非重叠蛋白质节点sc的基因值xc为非重叠蛋白质节点的下标；从而得到个体编码为X＝{x1,x2,…xi…xn}；xi表示第i个蛋白质节点的基因值；步骤2.2：个体解码步骤2.3：初始化i＝1；步骤2.4：判断第i位基因值xi是否为0；若是，则执行步骤2.5：否则，判断第i位基因值xi是否为-1，若是则执行步骤2.6；否则，执行步骤2.7；步骤2.5、则将第i个蛋白质节点的所有非重叠蛋白质邻居节点在个体编码X中所对应的不同基因值作为第i个蛋白质节点的基因值；步骤2.6、则将第i个蛋白质节点的所有非重叠邻居节点在基因编码X中所对应的基因值出现次数最多的基因值作为第i个蛋白质节点的基因值；步骤2.7、将i+1赋值给i，并返回步骤2.4执行，直到i＝n为止，从而得到解码后的基因编码X′；步骤2.8、对处理后的个体编码X′中所有基因值相同的蛋白质节点归为一个蛋白质模块，从而得到m个蛋白质模块，记为C＝{C1,C2，…,Cr,…,Cm}，Cr表示第r个蛋白质模块；步骤3：初始化：步骤3.1：定义最大迭代次数为gene，初始迭代次数为t＝0、粒子群个体的数目为pop，邻域大小为NS，粒子学习因子为c1、c2，惯性向量为ω，权重向量为λ＝{λ1,λ2，…,λg,…,λpop}；步骤3.2：假设有N个粒子{X1,X2，…,Xg,…,Xpop}，1≤g≤pop，Xg表示第g个粒子；定义t时刻所述第g个粒子在第i维的位置为定义t时刻所述第g个粒子在第i维的速度为步骤3.3：按照步骤2.1得到第g个粒子Xg的个体编码，并将第g个粒子Xg的个体编码内的第i维xi赋给t＝0时刻粒子的第i维的位置从而得到第g个粒子Xg在t＝0时刻的位置步骤3.4：执行pop次步骤3.3，从而得到初始粒子群的位置步骤3.5：以初始粒子群的位置作为初始历史最优粒子群的位置步骤3.6：将“0”赋给t＝0时刻第g个粒子Xg的第i维的速度从而得到第g个粒子Xg在t＝0时刻的速度步骤3.7：执行步骤3.6进行po...

【专利技术属性】
技术研发人员：张兴义，潘贺斌，张磊，张鑫，苏延森，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34