蛋白质复合体挖掘的加权组装聚类方法

摘要

本发明公开了一种蛋白质复合体挖掘的加权组装聚类方法，包括：输入一个蛋白质相互作用网络，产生一个无向图，选择m个聚类方法应用到这个网络上，得到m个聚类结果；对每个基本聚类结果，重新生成一个特征网络，得到m个特征网络，对应m个特征矩阵；对m个特征矩阵进行合成，获取合成矩阵W：其中u_q是第q个特征网络的权重，u_q≥0，且满足合成矩阵W对应一个新的网络，其中元素W_i,j是度量新网络中蛋白质i和蛋白质j的相似程度；采用贝叶斯非负矩阵分解算法挖掘该新网络中的聚类；把权重的学和复合体发现整合为一个优化目标，从而通过聚类结果来优化权重，反之用权重结果来指导聚类；优化终止后获取最终的蛋白质复合体挖掘结果。

主权项

1.一种蛋白质复合体挖掘的加权组装聚类方法，其特征在于，包括：S1.输入一个蛋白质相互作用网络，产生一个无向图G，选择m个聚类方法应用到这个网络上，得到m个聚类结果B_q，q=1,...,m；B=(B₁,B₂,...,B_m)；S2.对每个基本聚类结果B_q，q=1,...,m；重新生成一个特征网络，得到m个特征网络；m个特征网络对应m个特征矩阵；D=(D₁,D₂,...,D_m)；S3.对上述m个特征矩阵进行加权组合，获取蛋白质相互作用网络的合成矩阵W：其中u_q是第q个特征网络的权重，u_q≥0，q=1,...,m且满足$\underset{q=1}{\overset{m}{\Sigma }}{u}_q=1;$S4.合成矩阵W对应一个新的网络，其中元素W_i,j是度量新网络中蛋白质i和蛋白质j的相似程度；采用贝叶斯非负矩阵分解算法挖掘该新网络中的聚类；把权重的学习和复合体发现整合为一个优化目标，从而可以通过聚类结果来优化权重，反之可以用权重结果来指导聚类；优化终止后获取最终的蛋白质复合体挖掘结果。