构建适用于蛋白质家族分类的相似性网络.pdfVIP

第卷第期 工业微生物 　 ４５ ３ 　 Ｖｏｌ．４５ Ｎｏ．３　 　 ２０１５年６月 Ｉｎｄｕｓｔｒｉａｌ Ｍｉｃｒｏｂｉｏｌｏｇｙ Ｊｕｎ． ２０１５ ｄｏｉ １０．３９６９／ ｊ．ｉｓｓｎ．１００１－６６７８．２０１５．０３．００９ ： 构建适用于蛋白质家族分类的相似性网络 １ ２ １ ２ ， ，  时逢宽，李炜疆　 １． ２１４１２２ 江南大学工业生物技术教育部重点实验室，无锡 ； ２． 江南大学生物工程学院，无锡２１４１２２ 摘　 要：图聚类用于蛋白质分类问题可以获得较好结果，其前提是将蛋白质之间复杂的相互关系 转化为适当的相似性网络作为图聚类分类的输入数据。本文提出一种基于ＢＬＡＳＴ检索的相似性 网络构建方法，从目标蛋白质序列出发，通过若干轮次的ＢＬＡＳＴ检索逐步从数据库中提取与目标 蛋白质直接或间接相关的序列，构成关联集。关联集中序列之间的相似性关系即相似性网络，可作 Ｐｆａｍ 为图聚类算法的分类依据。对 数据库中依直接相似关系难以正确分类的蛋白质的计算表明， 按本文方法构建的相似性网络取得了比较满意的结果。 关键词：相似性网络；图聚类；蛋白质家族分类 　 　 生物学相关的数据库采用分类手段将已知或未 知信息分类，例如常见的依据蛋白质家族分类的 Ｐｆａｍ ［１］ ＳＣＯＰ 数据库、依据蛋白质结构分类的 数据 ［］２ 库以及国际酶学委员会根据酶所催化反应的类 型将酶分类等。分类法在这些重要的大型数据库的 应用足以说明分类是一种常用而有效的研究手段， 因此依据此思想的分类方法应运而生，聚类法是将 复杂的数据整理以发掘其内在隐含的某种集团的有 力的工具，有效的将繁杂数据很好的分类划分，因此 图１　 所有ＢＬＡＳＴ报告中序列之间相似性 近几年得以广泛的关注并应用于多个领域，例如图 Ｅｖａｌｕｅ＜１０ 的稀疏结构图 像识别、市场分析、生物学功能预测等。 序列组成一个家族。 采用基于 和 模块度（ Ｎｅｗｍａｎ Ｇｉｒｖａｎ Ｍｏｄｕｌａｒｉ 聚类法实现蛋白质功能分类的实质是探索蛋白 ［３，４］ ｔｙ）思想 ＣＤ 图聚类算法在以往的实验表明应用 质之间的同源关系，也是依据序列相似性推断蛋白 ［ ］ ５９ 于蛋白质家族分类已经取得较好的结果，其过程 质之间是否具有共同祖先的过程。蛋白质按功能聚 是将具有相同或相似功能的蛋白质组成集团，集团 类的前提是获取蛋白质之间相互联系，依据序列间 内部的序列之间相似度较高，序列之间联系较为紧 相互联系构造出的相似性关系网络（称为关联图）， 密；而集团之间的序列联系较为松散。从而数据形 网络内部的节点为该节点序列对儿之间的相似性分 成块状结构分布，如下图