SANA：应用于生物网络的模拟退火网络对齐

生物网络对齐有潜力像序列比对一样，让我们学到同样多的关于生物学和疾病的知识。序列比对可以在多项式时间内最优求解。相比之下，网络对齐是 $NP$-hard 的，这意味着不可能找到最优解，且找到的对齐质量很大程度上取决于用于创建它们的算法。每个网络对齐算法都由两个正交的组成部分构成：首先，一个目标函数或度量 $M$，用于评估任何提议对齐的质量；其次，一个搜索算法，用于探索指数级大的可能对齐集合，以努力根据 $M$ 找到“好的”对齐。目标函数分为许多类别，包括序列相似性等生物学度量，以及图元相似性和边覆盖（可能加权）等拓扑度量。搜索所有可能对齐空间的算法可以是确定性的或随机性的，在过去十年中提出了许多可能性。在本文中，我们引入了一种名为 SANA（Simulated Annealing Network Aligner）的新型随机搜索算法。我们在几个流行的目标函数上对其进行了测试，并证明它几乎普遍比现有的搜索算法能显著更好地优化每一个目标函数。最后，我们使用 SANA 比较了几种拓扑目标函数。软件可从 http://sana.ics.uci.edu 获取。