聚类算法及研究和在网络模块性分析中应用.pdf

摘要 摘要 随着信息化社会的发展，大多数复杂系统都可以建模成一个网络模型(图模 型)，通过对该网络模型的研究，可以有利地帮助我们理解复杂系统的功能。复杂 连接比较稠密，模块间的节点连接比较稀疏。在社会网络中称之为“社团结构” (CommunityStructure)，生物网络中称之为“功能模块”(Functional 对这种特性的研究可以更好的帮助我们理解复杂系统的机能和特性，且对复杂系 统的控制、预测、变化和发展都具有至关重要的意义。 针对复杂网络系统的模块性，本文着重研究网络模块性分析的聚类算法及其 在真实网络中的应用： (1)提出一种基于模糊聚类的网络模块性分析方法。与现有算法不同之处在 于，该算法不再通过一个图模型上的遍历搜索来寻找模块，即社团结构，而是把 网络建模成一个模糊关系模型，通过模糊关系的运算(模糊关系的合成)来达到识 别社团结构的目的。基于社团结构与等价类的共性(自反性、对称性、传递性)，建 立起两者间的一一对应关系，即把社团结构映射为满足某一等价关系的等价类。 在人工网络与真实网络中的测试结果表明，该算法可以有效地识别网络中的已知 社团，也可以用来识别重叠社团。 (2)基于上述建立的模糊关系模型，提出一种基于最小熵聚类的网络模块性分 析方法。融合网络拓扑和熵的特性，利用一种基于熵的测度来刻画节点间的关系， 且熵越小，节点间越相似，社团越稳定。然后提出一种新的模糊关系的合成规则， 并通过该规则来完成节点间最小熵的传递。在人工网络与真实网络中的测试结果 表明，该算法可以有效地识别网络中的已知社团。 提出一种基于派系过滤的快速迭代式聚类算法(ICPM)。该算法充分考虑到派系对 节点度的要求，即肛派系里的节点的度至少为肛1，同时把识别舡派系转化为(k-1)． 派系，通过递归的方式来实现从小派系到大派系的识别过程。与CPM算法相比， 该算法减小了网络上识别社团的搜索空间，提高了效率。 (4)针对不同物种间PPI网络功能模块的保守性，提出一种基于模块比对的 方法来识别物种间的保守功能模块。与传统的网络比对方法相比，模块比对先利 用聚类算法把PPI网络进行模块化分解以此来降低问题的复杂度，然后通过不同 物种蛋白质问的序列相似性，建立起不同物种模块间的映射关系，从而达到识别 保守模块的目的。该算法识别出来的保守模块在功能注释上具有很高的一致性， 且从MCL算法分解的模块中识别出来的保守模块优于其它算法。但是，由于对 网络进行了分解，破坏了整个网络结构，导致有些保守模块难以识别。 (5)导致相似疾病的基因其蛋白质产物会在PPI网络中表现出很紧密的交互 ’ 性，这也可近似为模块性。针对这一特性，提出一种基于聚类分析的PPI网络中 疾病相关模块的预测方法。通过一种集成多个生物证据的概率化模型来刻画疾病 相关模块，且得分越高与疾病的关联性越大。结果表明CPM算法分解的模块做 为候选的疾病相关模块优于MCL算法与MCODE算法，同时还发现大多数疾病 相关模块都由Tissue．SpecificGenes组成，且只在少部分人类组织(Human Tissues) 共表达(Co．Expressed)，少数疾病相关模块由House Keeping Genes)生lt成，且在大部分人类组织共表达。 本文研究网络模块性分析的聚类算法及其在真实网络中的应用，特别是PPI 一 网络中功能模块的识别以及疾病相关模块的预测。此外对于其它具有相似结构的 一 复杂网络本文所讨论的算法也具有适用性。 关键词：聚类算法模块性蛋白质相互作用网络 Abstract Abs