群落划分方法在免疫网络中的比较.docVIP

群落划分方法在免疫网络中的比较 　　摘要：为了能够较为准确的寻找大规模复杂网络中的社团结构，很多学者提出了寻找社团结构的算法。论文将三种不同的典型的群落算法用于免疫网络中，经过不同的算法比较，我们发现BC-Finder算法划分的群落跟我们的因子的通道生物功能群落较为贴近，而KT algorithm提出的快速算法得出的结果与我们的生物群落贴近的较差，而CH algorithm算法划分的结果介于它们两者之间，跟BC-Finder的结果较为接近。三种算法都各有其特点，KT algorithm的群落定义是基于网络的拓扑结构的，没有考虑网络中节点的功能因素，而CH algorithm和BC-Finder的群落定义不但考虑到了网络的拓扑也兼顾到网络的功能。同时我们也发现细胞分泌介质关系可能跟因子生物通道功能存在着某种关系。 　　关键词：复杂网络；群落算法；免疫网络；二分图；生物信息学 　　中图分类号：0157.5文献标识码：A文章编号：1009-3044(2011)18-4432-04 　　Comparison of Community Algorithm in Immune Network 　　PENG Yu-jing1, ZOU Sheng-rong2, CHEN Yan1 　　(1.Yangzhou Vocational College of Environment and Resources, Yangzhou 225127, China; 2.Information Engineering College of Yangzhou University, Yangzhou 225127, China) 　　Abstract: In order to exactly find community in large complex network, many scholars have put forward algorithms to find community structure. This paper applies three community algorithms to immune network. By different community algorithms comparison, we find that the result of BC-Finder algorithm is similar to biology function community, and the result of KT algorithm community algorithm is different in a great degree from biology function community, and the result of CH algorithm is between BC-Finder and KT community. Also it reflects that there is a certain relationship between the cell secretion and cytokine pathway function. 　　Key words: complex network; community algorithm; immune network; bipartite; bioinformatics 　　 免疫系统是人体抵御外来病毒的一道天然屏障。在该系统中存在着免疫调控的因子网络。由于因子种类繁多（目前发现有200多种），再加上它们的生物作用具有重复性和多样性，这就使得因子网络变得异常复杂，所有的因子相互交互显示了非线性的行为[1]。 　　复杂网络是用来描述非线性系统较有效的方法。在生物系统的研究方面，细胞网络，基因蛋白和其他分子之间的调控网络，它们的拓扑结构所起的作用逐渐被人们所认识[2-3]。那么用网络的描述方法来研究免疫网络可以更加系统地认识免疫系统的诸多性质。Tieri等人研究了人类免疫系统中细胞间的通信过程。他们把这一过程抽象为加权有向网络，其中节点代表不同种类的细胞，边代表细胞间的响应关系，权重wi,j则表示细胞i所分泌的能影响细胞j的可溶性介质的种类数。研究表明，免疫细胞加权网络是一个高度非均匀的网络，极少数的可溶性介质在调解不同细胞种类间的相互作用中起着中枢作用[4]。 　　随着对这些大规模复杂网络的研究，人们发现这些大规模网络中都存在着一个共同特征――社团结构。也就是说，整个网络是由很多社团组成的，社团内部接点连接紧密，社团之间连接稀疏[5]。免疫中还有家族相似的群落现象存在,我们可借用复杂网络的群落划分方法来研究免疫网络群落。网络社团结构的研究已