蛋白質(zhì)網(wǎng)絡(luò)簡(jiǎn)介

李坤2015.1.8蛋白質(zhì)相互作用網(wǎng)絡(luò)

學(xué)習(xí)匯報(bào)匯報(bào)內(nèi)容1、ELM流程介紹2、3、4、ACO流程介紹MCL流程介紹DIP介紹ExtremeLearningMachines（ELM）該SLFN包括三層：輸入層、隱含層和輸出層假設(shè)有N個(gè)任意的樣本(Xi,Yi)，其中對(duì)于一個(gè)有N’個(gè)隱層節(jié)點(diǎn)的單隱層神經(jīng)網(wǎng)絡(luò)可以表示為:其中，g(x)為激活函數(shù)，Wi為輸入權(quán)重，βi為輸出權(quán)重，bi是第個(gè)i隱層單元的偏置。Wi*Xi表示W(wǎng)i和Xi的內(nèi)積。ExtremeLearningMachines（ELM）用矩陣表示如下：一旦輸入權(quán)重Wi和隱層的偏置bi被隨機(jī)確定，隱層的輸出矩陣H就被唯一確定。訓(xùn)練單隱層神經(jīng)網(wǎng)絡(luò)可以轉(zhuǎn)化為求解一個(gè)線性系統(tǒng)：Hβ=Y并且輸出權(quán)重可以被確定：

其中，是矩陣H的Moore-Penrose廣義逆。且可證明求得的解的范數(shù)是最小的并且唯一。蟻群算法模仿螞蟻覓食的過(guò)程，尋找網(wǎng)絡(luò)中初始節(jié)點(diǎn)到終端節(jié)點(diǎn)的最優(yōu)路徑。該過(guò)程螞蟻必須經(jīng)過(guò)最優(yōu)路徑上的每個(gè)節(jié)點(diǎn)一次，經(jīng)過(guò)多次迭代保證路徑最優(yōu)。AntColonyOptimization（ACO）1.在初始狀態(tài)下，一群螞蟻外出，此時(shí)沒(méi)有信息素，那么各自會(huì)隨機(jī)的選擇一條路徑。2.在下一個(gè)狀態(tài)，每只螞蟻到達(dá)了不同的點(diǎn)，從初始點(diǎn)到這些點(diǎn)之間留下了信息素，螞蟻繼續(xù)走，已經(jīng)到達(dá)目標(biāo)的螞蟻開(kāi)始返回，與此同時(shí)，下一批螞蟻出動(dòng)，它們都會(huì)按照各條路徑上信息素的多少選擇路線(selection)，更傾向于選擇信息素多的路徑走（當(dāng)然也有隨機(jī)性）。3.又到了再下一個(gè)狀態(tài)，剛剛沒(méi)有螞蟻經(jīng)過(guò)的路線上的信息素不同程度的揮發(fā)掉了(evaporation)，而剛剛經(jīng)過(guò)了螞蟻的路線信息素增強(qiáng)(reinforcement)。然后又出動(dòng)一批螞蟻，重復(fù)第2個(gè)步驟。AntColonyOptimization（ACO）過(guò)程：1、初始化數(shù)據(jù)為鄰接矩陣2、將鄰接矩陣轉(zhuǎn)化為距離矩陣3、以距離矩陣作為輸入，利用ACO尋找最優(yōu)路徑AntColonyOptimization（ACO）AntColonyOptimization（ACO）AntColonyOptimization（ACO）AntColonyOptimization（ACO）MarkovClusteringAlgorithm（MCL）MCL算法(MarkovClusterAlgorithm)是一種快速、簡(jiǎn)單、易擴(kuò)展的聚類算法，它可以應(yīng)用于有權(quán)有向圖，其核心思想是模擬圖中的隨機(jī)游走過(guò)程．所依據(jù)的理論是“在圖G中的隨機(jī)游走。如果它訪問(wèn)圖G的一個(gè)稠密子圖，除非子圖中的大部分節(jié)點(diǎn)都被訪問(wèn)過(guò)，否則不會(huì)走出該稠密子圖”．2步操作：）蛋白相互作用網(wǎng)絡(luò)蛋白相互作用網(wǎng)絡(luò)

考慮到PPIN的復(fù)雜性，研究人員往往從多種方向和視角來(lái)研究某一生物所有的蛋白質(zhì)相互作用。酵母蛋白質(zhì)相互作用聯(lián)絡(luò)圖人蛋白質(zhì)相互作用聯(lián)絡(luò)圖整體系統(tǒng)部分單體a：為全面了解某一生物功能的機(jī)理，研究并確定PPIN中兩個(gè)節(jié)點(diǎn)之間相互作用的邊是需要解決的第一個(gè)重要問(wèn)題，這被稱為小規(guī)模實(shí)驗(yàn)。b：研究PPIN的拓?fù)浣Y(jié)構(gòu)和規(guī)模，對(duì)于了解該網(wǎng)絡(luò)的全局性能是非常重要的。c：研究PPIN中蛋白質(zhì)復(fù)合體是至關(guān)重要的。一些蛋白質(zhì)可與其他多個(gè)蛋白質(zhì)結(jié)合組成蛋白質(zhì)復(fù)合體。通常這些復(fù)合體可以組成一個(gè)穩(wěn)定的單位，在一定時(shí)間內(nèi)不會(huì)發(fā)生重大變化。但也有另一些高度動(dòng)態(tài)變化的復(fù)合體可導(dǎo)致細(xì)胞狀態(tài)和功能的改變。d：生物體內(nèi)的信號(hào)轉(zhuǎn)導(dǎo)路徑、代謝路徑和有關(guān)的細(xì)胞過(guò)程是構(gòu)建PPIN的骨干。要了解細(xì)胞，研究和建立上述路徑模型也是至關(guān)重要的。在許多信號(hào)轉(zhuǎn)導(dǎo)和代謝路徑中都有蛋白質(zhì)相互作用。e：可根據(jù)蛋白質(zhì)相互作用的關(guān)系來(lái)預(yù)測(cè)蛋白質(zhì)的功能。預(yù)測(cè)蛋白質(zhì)功能是目前計(jì)算生物學(xué)的一個(gè)最重要的任務(wù)。利用數(shù)據(jù)模型和計(jì)算方法，可以直接從蛋白質(zhì)序列預(yù)測(cè)PPIN的結(jié)構(gòu)、功能及其動(dòng)力學(xué)機(jī)制。蛋白質(zhì)很少單獨(dú)參與生命過(guò)程，而是通過(guò)不同蛋白質(zhì)之間的物理相互作用形成大的分子結(jié)構(gòu)——蛋白質(zhì)復(fù)合體(proteincomplex)。復(fù)合體是蛋白質(zhì)執(zhí)行其功能的主要形式，是完成細(xì)胞中重要活動(dòng)的基本分子組成形式。作為生物檢測(cè)技術(shù)的補(bǔ)充，發(fā)展準(zhǔn)確的蛋白質(zhì)復(fù)合體計(jì)算識(shí)別方法是生物信息學(xué)目前研究熱點(diǎn)問(wèn)題之一。從蛋白質(zhì)網(wǎng)絡(luò)識(shí)別復(fù)合體的基本假設(shè)是，網(wǎng)絡(luò)具有模塊性并且網(wǎng)絡(luò)中的模塊與蛋白質(zhì)復(fù)合體有密切關(guān)系。蛋白質(zhì)復(fù)合體一般是在網(wǎng)絡(luò)中對(duì)應(yīng)連接稠密的子圖結(jié)構(gòu)。通過(guò)挖掘蛋白質(zhì)網(wǎng)絡(luò)中特定模塊結(jié)構(gòu)是識(shí)別蛋白質(zhì)復(fù)合體的一個(gè)重要研究方向。依據(jù)