融合PPI 和基因表达数据的关键蛋白质识别方法.pdfVIP

第 44 卷第 3 期 中南大学学报(自然科学版)  Vol.44  No.3  2013 年 3 月  Journal of Central South University (Science and Technology)  Mar. 2013  融合 PPI 和基因表达数据的关键蛋白质识别方法 李敏，张含会，费耀平  (中南大学 信息科学与工程学院，湖南 长沙，410083)  摘要：提出一种新的融合了基因表达数据和 PPI 网络的拓扑特性来识别关键蛋白质的中心性测度 PeC。对于网络 中的每一条边，PeC 首先计算该边的聚集系数和该边相连的 2 个基因(蛋白质)共表达的皮尔逊相关系数，并在此 基础上进一步计算出该边的权值。网络中每个节点的 PeC值即为其所连接的所有边的权值之和。基于酵母 PPI 网 络上的实验结果表明，PeC 明显优于其他 8种中心性拓扑参数 DC，BC，CC，SC，EC，IC，LAC和 SoECC；特 别地，在预测的蛋白质数量不大于总数量的 10%的情况下，PeC 的预测准确率相对于 SC，CC 和 EC 提高 20%  以上。 关键词：关键蛋白质；蛋白质相互作用网络；基因表达；边聚集系数；皮尔逊相关系数 中图分类号：TP301.6；Q31；Q71  文献标志码：A  文章编号：1672−7207(2013)03−1024−06  Essential protein discovery method based on integration of  PPI and gene expression data  LI Min,ZHANG Hanhui, FEI Yaoping  (School of Information Science and Engineering, Central South University, Changsha 410083, China)  Abstract: A new method for identifying essential proteins based on the integration of PPI and gene expression data  named PeC was proposed. For each edge of the network, its edge clustering coefficient (ECC) and Pearson correlation  coefficient (PCC) were calculated. And then, the weight of each edge was computed based on ECC and PCC. Then, a  protein’s PeC value was defined as the sum of weights of the edges connected to it. The experimental results on the yeast  protein interaction network show that PeC is obviously higher than other eight centrality measures (DC, BC, CC, SC, EC,  IC, LAC and SoECC) in the prediction accuracy of essential proteins. Especially, for less than the top  10% proteins  selected as the candidate essential proteins,the prediction accuracyo