增强蛋白质相互作用网络的功能内容
分子网络
2012-10-29 v1 计算工程、金融与科学
机器学习
基因组学
机器学习
摘要
蛋白质相互作用网络是研究复杂生物系统的一类前景广阔的数据。然而，尽管这些网络嵌入了丰富的信息，它们仍面临噪声和不完整性等重要数据质量挑战，从而 adversely 影响分析结果。在此，我们探索利用共同邻域相似性 (CNS) 的概念来解决这些问题，CNS 是网络中局部结构的一种形式。尽管文献中已提出多种 CNS 度量，但对其在相互作用网络分析中的相对效能尚缺乏理解。我们遵循图变换框架，将给定的相互作用网络转换为对应于各种已评估 CNS 度量的变换网络。通过比较从其相应变换网络获得的蛋白质功能预测质量与从原始网络获得的预测质量，来估计每种度量的有效性。利用一大组酿酒酵母 (S. cerevisiae) 相互作用数据和 136 个 GO 术语集，我们发现几个变换网络产生的预测比原始网络更准确。特别是，本文提出的 度量在此任务中表现尤为出色。进一步研究表明，促成这一改进的两个主要因素是 CNS 度量（尤其是 ）能够剪除噪声边并在功能相关的蛋白质之间引入新连接。
引用
@article{arxiv.1210.6912,
title = {Enhancing the functional content of protein interaction networks},
author = {Gaurav Pandey and Sahil Manocha and Gowtham Atluri and Vipin Kumar},
journal= {arXiv preprint arXiv:1210.6912},
year = {2012}
}