两种检测社群的新方法及奥密克戎谱系变异体 PPI 网络案例研究
分子网络
2023-08-11 v1 机器学习
定量方法
摘要
识别并分析蛋白质-蛋白质相互作用及其内部模块化组织的能力，在理解分子水平生物过程复杂机制中起着关键作用。借助网络分析，我们可以深入了解这些相互作用的结构与动态。通过识别网络社群，我们能够增进对疾病发病机制生物学根源的理解。该知识进而对推动药物发现进展及促进疾病治疗的个性化医疗方法具有重要潜力。本研究中，我们旨在利用两种提出的新算法（ABCDE与ALCDE）以及四种广受认可算法：Girvan-Newman、Louvain、Leiden和标签传播算法，揭示变异株B.1.1.529（奥密克戎病毒）内部的社群。这些算法均在该领域确立了显著地位，并为识别复杂网络中的社群提供了独特视角。我们还通过全局属性、统计摘要、子图计数、图元比较网络，并以模块度进行验证。通过采用这些方法，我们力求更深入洞察奥密克戎病毒网络内部的结构组织与相互关联。
引用
@article{arxiv.2308.05125,
title = {Two Novel Approaches to Detect Community: A Case Study of Omicron Lineage Variants PPI Network},
author = {Mamata Das and Selvakumar K. and P. J. A. Alphonse},
journal= {arXiv preprint arXiv:2308.05125},
year = {2023}
}
备注
23 pages, 11 figures