[发明专利]一种基于多目标优化的蛋白质网络模块挖掘方法

说明书

本发明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。

技术领域

本发明涉及复杂蛋白质网络功能模块识别技术领域，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。

背景技术

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(gene ontology，GO)、基因表达谱数据以及多种基础聚类算法，用一种新的二分图来组织多种基础聚类算法的中间结果，并结合对称非负矩阵分解(non-negative matrix factorization，NMF)。此类方法存在着很高的时候复杂度缺陷，随着蛋白质网络规模的增大，该类方法无法快速得多用户想要的蛋白质模块。

一类研究方法是利用以PPIN的拓扑结构为基础，根据存在相互作用的蛋白质建立邻接矩阵，利用邻接矩阵的信息采用社团检测算法来挖掘蛋白质网络里面的社团，当前有利用层次聚类的算法，也有利用单目标优化的算法。此类方法利用社团检测的算法来挖掘蛋白质网络中的模块能快速满足用户的需求，然而蛋白质网络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，此类方法对某个蛋白质网络只能挖掘出一组蛋白质模块，无法满足用户多样的需求。

发明内容

本发明针对现有技术中的一些不足，提供一种基于多目标优化算法的蛋白质模块挖掘方法，以期能短时间内解决功能模块组合的单一性问题，提供多种蛋白质功能模块组合供用户选择，同时提高功能模块挖掘的准确性与有效性，从而满足解决实际问题的需要。

为解决上述技术问题，本发明采用如下技术方案：

本发明一种基于多目标优化的蛋白质网络的模块挖掘方法的特点是按如下步骤进行：