[发明专利]一种基于布谷鸟搜索算法识别关键蛋白质的方法

权利要求书

1.一种基于布谷鸟搜索算法识别关键蛋白质的方法，其特征在于，包括以下步骤：

1)将蛋白质相互作用网络转化为无向图

将蛋白质相互作用网络转化成一个无向图G＝(V，E)，其中，V＝{v_i,i＝1,2,…,n}为结点v_i的集合，E为边e的集合，结点v_i表示蛋白质，边e表示蛋白质之间的相互作用；

2)对蛋白质相互作用网络进行去噪处理

将无向图中在所有时间点下都没有共表达的两个相互作用的蛋白质结点之间的边删去，构建一个纯化的蛋白质相互作用网络；

3)对纯化后的蛋白质相互作用网络的边和结点进行处理

计算边的聚集系数ECC、边的皮尔森相关系数PCC、边的共享亚细胞定位值SSL以及蛋白质结点在蛋白质复合物中的参与度PC；

4)对所有的蛋白质结点按首次得分降序排列并产生鸟巢

将所有的蛋白质结点按照首次分值score₁降序排序，选择排在前面的C₁个结点为鸟巢的位置Nest_l，其中l＝1,2…C₁；

其中，蛋白质结点的首次得分Score₁由式(10)得到：

Score₁(v_i)＝α×NPC(v_i)+(1-α)×NSW(v_i) (10)；

式中，α是系数参数，α∈[0,1]，NPC(v_i)是结点v_i的标准化的蛋白质复合物参与度值，由式(11)得到，NSW(v_i)是结点v_i的标准化的加权度值，由式(12)得到：

式中，min(PC)是所有蛋白质结点中最小的蛋白质复合物参与度值，max(PC)是所有蛋白质结点中最大的蛋白质复合物参与度值；

式中，min(SW)是所有蛋白质结点中最小的加权度值，max(SW)是所有蛋白质结点中最大的加权度值；

5)产生布谷鸟并向鸟巢聚集

对于每个鸟巢Nest_l，l＝1,2…C₁，找出其所对应的一阶邻居结点和二阶邻居结点作为布谷鸟，将所有的一阶邻居结点添加到集合Neighbor_l(1)中，对于每个二阶邻居结点，产生一个随机概率rand，rand∈[0,1]，如果rand0.5，则把该二阶邻居结点添加到集合Neighbor_l(2)中，否则，放弃添加该二阶邻居结点；

6)更新鸟巢适应值

将每个鸟巢Nest_l，l＝1,2…C₁，对应的蛋白质结点，与其相应的一阶邻居Neighbor_l(1)和二阶邻居Neighbor_l(2)，组成一个局部子图Subgraph_l，局部子图的加权密度WDensity_l为鸟巢Nest_l新的适应值，也即为鸟巢Nest_l对应的蛋白质结点的二次分值Score₂；

7)输出关键蛋白质

将C₁个鸟巢对应的蛋白质结点按二次分值Score₂降序排序，将前C₂个结点作为关键蛋白质输出，其中，C₂≤C₁。

2.根据权利要求1所述的基于布谷鸟搜索算法识别关键蛋白质的方法，其特征在于，步骤2)中，判断两个相互作用的蛋白质结点是否共表达，具体操作为：在时间点t时，结点v_i的基因表达值Ep_it若大于该结点的基因表达活性阈值Active_Th(i)，则认为结点v_i在时间点t具有活性，否则认为该结点在时间点t不具有活性；若V中任意两个不同的结点v，u在时间点t同时具有活性，则认为在时间点t下结点v，u共表达。