[发明专利]基于模拟退火的多蛋白质相互作用网络比对方法

说明书

本发明涉及基于模拟退火的多蛋白质相互作用网络比对方法。本发明包括：包括：获取输入比对网络和序列相似性信息；构建候选簇集合；采用模拟退火算法，在候选簇集合中随机选取一个候选簇进行迭代后加入候选簇集合，并根据加入候选簇前后的状态目标函数得分的差值进行状态更新；目标函数得分差值大于零，则无条件接受新比对结果；若目标函数得分差值小于零，则计算接受当前比对的概率；判断是否达到退火终止条件。本发明通过利用序列相似性信息构建的相似性图中搜索最大加权团，能够提高比对的质量；使用模拟退火算法迭代搜索候选簇，能够避免在生成比对过程中产生局部最优问题，提高了算法的生物功能质量。

技术领域

本发明涉及生物网络比对技术领域，尤其是指基于模拟退火的多蛋白质相互作用网络比对方法。

背景技术

蛋白质相互作用(PPI，Protein-protein interaction)是指蛋白质分子之间的相关性，并从生物化学、信号转导和遗传网络的角度研究这种相关性。近年来，随着高通量筛选技术的发展，通过实验方法检测到蛋白质相互作用的数量有了大幅度增加，形成了越来越多的蛋白质相互作用网络。对蛋白质相互作用网络的分析能够增进对生物学过程的理解，不同物种间相互作用组的比对在蛋白质功能预测、保守功能成分检测、物种间知识转移等方面有着重要意义。现有一些对蛋白质相互作用比对方法存在以下问题：

“IsoRankN:spectral methods for global alignment of multiple proteinnetworks”(期刊出处：Bioinformatics,2009,25(12):253-258)算法使用一种通过PageRank算法与光谱聚类算法相结合的比对算法。对于任意两个输入网络中的节点，根据节点的邻居通过特征值结合序列相似性信息计算节点间的相似性得分R。根据节点间的相似得分利用迭代的光谱聚类算法生成最终的比对结果，删除节点数少于二的簇并输出比对结果。此算法存在的问题：迭代步骤需要时间过长，且产生的比对簇数目较少，导致最终产生的比结果的拓扑质量和生物功能质量都不高。

“NetCoffee:a fast and accurate global alignment approach to identifyfunctionally conserved proteins in multiple networks”(期刊出处：Bioinformatics,2014,30(4):540-548)算法提出了一种基于T-Coffee算法利用三角形的相似性得分计算方法来生成比对的候选节点对，并采用了模拟退火算法进行迭代求最优解。此算法存在的问题：基于T-Coffee算法的三角形计算方法使得算法仅能比对三个及三个以上的网络，不能进行两个网络的比对；且初始生成节点对的候选集合，导致生成的比对簇间节点联系不够紧密，从而使其生物功能质量较差。

“NetCoffee2:a novel global alignment algorithm for multiple PPInetworks based on graph feature vectors”(会议出处：Intelligent ComputingTheories and Application(ICIC),2018,241-246)算法对NetCoffee算法进行了改进，首先解决了NetCoffee算法仅能比对三个及三个以上网络的问题，通过图标签向量计算节点间的相似性得分来生成候选节点对，并采用与NetCoffee算法相同的模拟退火算法迭代生成最终的比对结果。此算法存在的问题：虽然解决了能够比对两个网络的问题，但其在计算节点相似性得分时，需要两种序列相似性信息bit score和e-value，使得算法的输入内容更多，但并没有获得更好的比对效果，导致算法输入内容更加复杂，但比对结果的生物功能质量依旧较差。