[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

说明书

本发明公开的一种基于布谷鸟搜索算法识别关键蛋白质的方法，发明属于生物信息技术领域，通过将蛋白质相互作用网络转化为无向图、对蛋白质相互作用网络进行去噪处理、获取蛋白质对应的基因表达数据、亚细胞定位信息、标准的蛋白质复合物信息以及GO注释信息、对纯化后的蛋白质相互作用网络的边和结点进行加权处理、产生鸟巢、产生布谷鸟、更新鸟巢适应值并产生关键蛋白质。本发明能准确地识别关键蛋白质；仿真实验结果表明，灵敏度、特异性、F测度、阳性预测值、阴性预测值以及正确率等指标较优；与其他现有识别方法相比，将布谷鸟搜索算法的优化特性与蛋白质相互作用网络的拓扑特征进行结合来识别关键蛋白质，提高了关键蛋白质的识别准确率。

技术领域

本发明属于生物信息技术领域，具体涉及一种基于布谷鸟搜索算法识别关键蛋白质的方法。

背景技术

蛋白质是基因表达的产物，是生物体的物质和功能的基本单位，蛋白质在细胞和生物体的生命活动中，发挥着极其重要的作用。不同的蛋白质的重要性也是不同的，根据蛋白质在生物体内的重要程度的不同，可以将这些蛋白质分为关键蛋白质和非关键蛋白质两大类。关键蛋白质是指那些将其剔除后，会造成相关蛋白质功能模块功能丧失，并导致生物体的生命活动无法正常进行的蛋白质。关键蛋白质提供了对生物有机体在系统水平上的分子机理的研究视角，对于疾病诊断和药物设计具有极大的应用价值。

预测关键蛋白质的方法整体上可分为两大类，一类是采用生物实验的方法，包括基因去除，RNA干扰和条件去除等，依靠这些生物实验方法识别关键蛋白质虽然准确、有效，但是代价高而且效率低。另一类是采用生物信息计算的方法，随着生物实验的研究以及高通量技术的不断发展，例如酵母双杂交，串联亲和纯化和质谱分析，从这些实验中，已经获得了大量的蛋白质相互作用数据。因此，利用计算机技术理论和研究方法，从已有的生物实验数据中准确有效地识别关键蛋白质，是生物信息研究的热点问题。

目前，已经提出了许多计算的方法来研究蛋白质相互作用网络的拓扑特性与蛋白质的关键性之间的关系。基于网络拓扑的方法可分为3类：基于邻居的方法、基于路径的方法以及基于特征向量的方法。基于邻居的方法通过考虑一个蛋白质的邻居特性来衡量它的关键性。最简单的基于邻居的方法是度中心性(DC)，根据蛋白质顶点在PPI网络中度的大小，来衡量其重要程度，度大的蛋白质比度小的蛋白质有更大的可能成为关键蛋白。研究表明，对于大多数物种，有大量高度的非关键蛋白质，这些蛋白质的邻居中只有少数邻居蛋白质之间存在相互作用，Li等提出了一种局部平均连通性方法(LAC)，该方法将每个结点的邻居结点生成新的子图，根据每个结点在子图中的度来识别关键蛋白质。Wang等人提出了用边聚集系数(SoECC)来评价蛋白质之间的相互作用的大小，从蛋白质相互作用网络中识别关键蛋白质。

不同于基于邻居的方法，基于路径的方法考虑了网络的全局拓扑特性，例如介数中心性(BC)根据顶点在网络中参与的最短路径数来体现其在网络中的所处位置的重要性。接近度中心性(CC)反映了网络中的结点与网络中其他结点之间的联系，以此来评价结点在网络中的重要性。信息中心性(IC)通过调和平均路径数来衡量其重要性。子图中心性(SC)通过计算顶点在网络中所参与的简单回路数，判断其在网络中的重要性。

不同于基于邻居和基于路径的方法，基于特征向量的方法综合考虑了结点邻居结点的个数以及这些邻居结点本身的重要度对该结点的贡献。特征向量中心性(EC)提出结点的地位不仅取决于其度值也取决于结点每个邻居的重要程度。此外，像用于复杂网络分析的Page-Rank算法，HITS算法以及Leader-Rank算法也可用于预测关键蛋白质。