發(fā)布時間：2024-06-29 03:18

　　蛋白質(zhì)復(fù)合物參與了細胞中大部分生物過程。生物過程涉及的蛋白質(zhì)全體構(gòu)成蛋白質(zhì)功能模塊,整體把握蛋白質(zhì)功能模塊對于闡明蛋白質(zhì)功能性起到重要作用。通過計算方法分析蛋白質(zhì)復(fù)合物和功能模塊是獲得細胞生命活動認識的重要途徑。隨著計算方法的不斷發(fā)展,以及整合數(shù)據(jù)策略的不斷創(chuàng)新,整合蛋白質(zhì)組學(xué)數(shù)據(jù)集與模型框架、蛋白質(zhì)復(fù)合物識別、動態(tài)復(fù)合物的分析以及功能模塊的檢測,有望促進蛋白質(zhì)組學(xué)在醫(yī)學(xué)領(lǐng)域的應(yīng)用研究,為疾病診斷和靶點治療提供更廣闊的前景。早期的基于計算的蛋白質(zhì)復(fù)合物與功能模塊識別方法主要利用蛋白質(zhì)相互作用網(wǎng)絡(luò)(protein-protein interaction networks,PPI網(wǎng)絡(luò))的拓撲特征。隨著生物學(xué)數(shù)據(jù)的豐富,研究者們開始融合其他的生物學(xué)信息,以更準確地識別出蛋白質(zhì)復(fù)合物與功能模塊。本文以蛋白質(zhì)相互作用數(shù)據(jù)為基礎(chǔ),結(jié)合多源生物學(xué)數(shù)據(jù),以蛋白質(zhì)復(fù)合物、功能模塊的本質(zhì)特征為出發(fā)點,分析蛋白質(zhì)復(fù)合物、功能模塊的有關(guān)性質(zhì),研究提出新的蛋白質(zhì)復(fù)合物與功能模塊識別算法,主要研究成果如下:(1)基于蛋白質(zhì)定位數(shù)據(jù)、基因表達數(shù)據(jù)、蛋白質(zhì)基因本體標注和蛋白質(zhì)交互可靠性得分的多源生物學(xué)數(shù)據(jù),依據(jù)生命有...

【文章頁數(shù)】：109 頁

【學(xué)位級別】：博士

【部分圖文】：

圖3-1給定歸一化兩兩共表達模式組的兩種情形圖3-1(a)顯示3個表達模式f1(t)、f2(t)和f3(t)兩兩共表達，但由于f1(t)f2(t)f3(t)=0，所

華南理工大學(xué)博士學(xué)位論文24皮爾森相關(guān)系數(shù)（Pearsoncorrelationcoefficient，pcc）可用于描述兩個基因表達模式的相似度。設(shè)定兩個基因表達模式x={x(t)|t=1,…,T}和y={y(t)|t=1,…,T}，它們的相似度pcc(x,y)計算如下[112....

圖3-2算法ICJointLE處理流程

華南理工大學(xué)博士學(xué)位論文30算法ICJointLE基于核心-附件結(jié)構(gòu)，采用種子擴展策略，從靜態(tài)蛋白質(zhì)交互作用網(wǎng)絡(luò)中，識別出具有聯(lián)合共定位、聯(lián)合共表達特征的蛋白質(zhì)復(fù)合物，其主要過程包括3個階段：蛋白質(zhì)核心挖掘、附件蛋白質(zhì)添加和候選蛋白質(zhì)復(fù)合物篩眩下面分別闡述算法ICJointLE各....

圖3-3不同閾值r和colocalization參數(shù)不同設(shè)置時的#PM×FAM值

E識別復(fù)合物的過程。最后，將算法ICJointLE和其他已有的代表性算法進行實驗性能對比分析。通過對測試的實驗結(jié)果分析，我們發(fā)現(xiàn)一個蛋白質(zhì)核心的r可靠密度隨著核心蛋白質(zhì)數(shù)增加而下降。于是，本文采用ρ=e-μc作為r可靠密度閾值，其中c是核心的蛋白質(zhì)數(shù)，而密度衰減系數(shù)μ用于控制ρ隨....

圖3-5算法ICJointLE通過播種YOR281

華南理工大學(xué)博士學(xué)位論文38stage1stage2PCNled(PC)PCN(PC)圖3-5算法ICJointLE通過播種YOR281C識別僅含一個蛋白質(zhì)的復(fù)合物的過程如圖3-5所示，在步驟stage1，通過播種YOR281C，算法ICJointLE將蛋白質(zhì)YOR281C添加進....

本文編號：3997085