一种基于随机游走模型的关键蛋白质预测方法
为了解决目前的关键蛋白质预测方法对生物功能的分析不够深入的情况,利用蛋白质复合物信息,提出1种基于随机游走模型,结合蛋白质相互作用网络中的边聚集系数等数据来预测关键蛋白质的RWP(random walk method for predicting essential proteins)算法.在酿酒酵母(Saccharomyces cerevisiae)蛋白质相互作用网络上,以敏感度、特异性、阳性预测值、阴性预测值、准确率等5个统计学指标为评价标准,将RWP与介数中心性、度中心性、信息中心性、CSC算法及LIDC算法等5种用于预测关键蛋白质的方法进行对比实验.结果表明:RWP在关键蛋白质识别率等方面优于这5种测度方法,它具有较好的预测关键蛋白质的性能.
关键蛋白质、随机游走模型、蛋白质互作网络、蛋白质复合物、边聚集系数
35
Q51;TP301.6(蛋白质)
国家自然科学基金项目61173050;中央高校基本科研业务费专项2662015QC040
2016-11-23（万方平台首次上网日期，不代表论文的发表时间）
86-91
