作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
蛋白质复合物由一组具有特定生物功能的蛋白质组成。使用计算方法从生物网络中预测蛋白质复合物对于理解生物活动的机制和疾病的发病机理具有重要的现实意义。传统的复合物识别算法通常仅基于网络拓扑结构,忽略生物特征和噪声数据对复合物识别性能的影响。针对该问题,本文提出一种基因本体和核-附属结构的蛋白质复合物识别算法,首先通过语义相似性融合蛋白质相互作用网络和基因本体信息构建有权图模型;其次,设计以局部子图直径和密度为聚类条件的核-附属结构的复合物识别算法GCA。最后,GCA和三个经典的方法在两个复合物数据集中进行比较和分析。实验结果表明,GCA在召回率、f度量和功能富集分析方面的表现均显著优于CFinder,MCode和MCL。
推荐文章
基于模糊蚁群的加权蛋白质复合物识别算法
蛋白质相互作用网络
蚁群聚类算法
模糊C-means
适应度
蛋白质复合物
基于加权网络和局部适应度的蛋白质复合物识别算法
加权网络
适应度
蛋白质复合物识别
模块性
从加权网络中预测蛋白质复合物
蛋白质相互作用
基因表达谱
蛋白质复合物
匹配统计
蛋白质复合物预测方法分析与比较
蛋白质相互作用
蛋白质相互作用网络
蛋白质复合物
匹配统计
基因本体
功能富集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于基因本体和核-附属的蛋白质复合物识别算法
来源期刊 计算机科学与应用 学科 医学
关键词 基因本体 核-附属结构 有权网络
年,卷(期) 2018,(8) 所属期刊栏目
研究方向 页码范围 1300-1308
页数 9页 分类号 R73
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于杨 26 49 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
基因本体
核-附属结构
有权网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与应用
月刊
2161-8801
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
1319
总下载数(次)
15
论文1v1指导