生物信息学论文：一种新的基于特征聚类的网络motif识别算法

生物信息学论文：一种新的基于特征聚类的网络motif识别算法【中文摘要】随着大规模基因组测序、基因预测以及注释工作的完成,生物信息学研究进入了后基因组时代,系统生物学作为其中一个新兴的研究领域,受到了越来越多的关注。与此同时,motif识别问题的研究也由仅仅针对生物序列数据(DNA序列、蛋白质序列)拓展到了复杂生物网络的层面上。网络motif识别技术作为研究生物网络的结构设计规则及网络发展规律和趋势的有力工具,已成为当前系统生物学领域的研究热点之一。近年来,在网络motif识别算法研究方面,人们已经探索出一些有效的算法,这些算法在解决较小规模的网络motif识别问题时表现出了良好的性能。但是,随着数据规模的不断扩大,很多算法已无法适应问题的需要。所以,积极探索更加有效的网络motif识别算法已成为当今网络motif识别研究中的一项重要课题。本文首先对网络motif识别技术的基本思想进行了分析,并详细研究了现有的各种网络motif识别算法。在此基础上,我们提出了一种新的基于特征聚类的网络motif识别算法——FCMD算法。该算法与以往识别算法不同的是它通过构造基于顶点的局部结构表达形式来描述网络motif的拓扑结构特征,从而有效地降低了算法复杂度。FCMD算法还引入了聚类的...【英文摘要】Withthesuccessfulcompletionoflarge-scalegenomesequencing,geneprediction,aswellastheworkofthe notes,bioinformaticsresearchcomesintothepost-genomeera.Asoneofthenewestresearchfieldinbioinformatics,systemsbiologyhasattractedmoreandmoreattentions.Atthesametime,theresearchofmotifdetectionhasexpandedfrombiologicalsequencedata(DNAsequencesandproteinsequences)tothelevelofcomplexbiologicalnetwork.Networkmotifdetectiontechnologyisexactlyapowerf...【关键词】生物信息学网络motif识别特征聚类AP算法【英文关键词】BioinformaticsNetworkmotifdetectionFeatureclusteringAPalgorithm【目录】一种新的基于特征聚类的网络motif识别算法摘要3-4Abstract4目录5-7第一章绪论7-131.1研究背景7-81.2国内外的发展现状8-91.3研究的意义和目的9-111.4本文的主要内容及结构安排11-13第二章网络motif识别算法的相关知识13-272.1网络motif及其生物学意义13-142.2相关的基本概念14-192.2.1图的概念14-172.2.2复杂网络17-192.2.3随机网络192.3网络motif识别的基本思想及算法回顾19-262.3.1网络motif识别的基本思想20-232.3.2网络motif识别算法回顾23-262.4 本章小结26-27第三章基于特征聚类的网络motif识别算法27-413.1问题的提出27-293.2基于顶点的特征表达形式29-313.2.1子图结构的构造29-303.2.2输入图的特征矩阵表示形式30-313.3特征空间中的聚类31-373.3.1聚类分析及算法31-323.3.2近邻传播聚类算法(AP算法)32-363.3.3对AP算法距离测度的改进36-373.4网络motif的判定标准37-393.4.1聚类规模的判定373.4.2子图类型出现次数的判定37-393.4.3综合判定393.5FCMD算法流程39-403.6本章小结40-41第四章算法性能分析及与其它算法的实验比较41-494.1实验平台414.2实验数据的选取41-424.3实验结果与分析42-474.3.1FCMD算法的可行性实验42-454.3.2FCMD算法与其它识别算法的比较45-474.4本章小结47-49第五章总结与展望49-535.1总结49-505.2展望50-53致谢53-55参考文献55-59硕士期间发表的论文59