基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

• 作者: 刘银萍 梁田 毛丁慧 毛伊敏
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 不确定数据 蛋白质相互作用 谱聚类算法 模糊C-means 功能模块 期望稠密度
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 1032-1040
• 页数: 9页
• 分类号: TP399
• 字数: 12415字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2018091880

摘要

针对谱聚类融合模糊C-means(FCM)聚类的蛋白质相互作用(PPI)网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题,提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘(FSC-FM)方法.首先,构建一个不确定PPI网络模型,使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度,克服假阳性对实验结果的影响;第二,利用基于边聚集系数流行距离(FEC)策略改进谱聚类中的相似度计算,解决谱聚类算法对尺度参数敏感的问题,进而利用谱聚类算法对不确定PPI网络数据进行预处理,降低数据的维数,提高聚类的准确率;第三,设计基于密度的概率中心选取策略(DPCS)解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题,并对预处理后的PPI数据进行FCM聚类,提高聚类的执行效率以及灵敏度;最后,采用改进的边期望稠密度(EED)对挖掘出的蛋白质功能模块进行过滤.在酵母菌DIP数据集上运行各个算法可知,FSC-FM与基于不确定图模型的检测蛋白质复合物(DCU)算法相比,F-measure值提高了27.92％,执行效率提高了27.92％;与在动态蛋白质相互作用网络中识别复合物的方法(CDUN)、演化算法(EA)、医学基因或蛋白质预测算法(MGPPA)相比也有更高的F-measure值和执行效率.实验结果表明,在不确定PPI网络中,FSC-FM适合用于功能模块的挖掘.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛伊敏	江西理工大学信息工程学院	48	203	8.0	12.0
2	毛丁慧		3	4	1.0	2.0
3	刘银萍	江西理工大学信息工程学院	4	3	1.0	1.0
4	梁田	江西理工大学应用科学学院	3	4	1.0	2.0