基于智能优化算法的蛋白质复合物识别算法研究

发布时间：2025-06-06 04:07

　　随着人类基因组计划的实施,生物医学进入后基因时代,系统全面地理解蛋白质之间通过相互作用完成各项生命活动的规律已成为研究的热点之一。蛋白质互作用网络作为复杂网络之一,有明显的社区结构,这些社区结构通常对应于特定的功能模块,称为蛋白质复合物。从大规模蛋白质互作用网络中识别蛋白质复合物对预测蛋白质功能,解释特定的生物进程具有重要作用。基于图聚类算法,发现蛋白质互作用网络中的社区结构(也称为簇),是进行蛋白质复合物识别的有效方法。基于种子扩展策略的图聚类算法可以有效发现大多数已知的蛋白质复合物,然而这类算法的聚类结果受种子节点选取的影响较大,且扩展过程一旦结束,聚类结果将不再调整。本文从智能优化算法角度设计图聚类算法发现蛋白质互作用网络中的稠密社区,进而进行蛋白质复合物识别,主要包括以下两方面工作:(1)提出了基于遗传策略的图聚类算法GAGC(Genetic Algorithm based Graph Clustering,GAGC),设计了遗传算法的染色体表示方式;改进IPCA的种子节点选择方式,产生初始种群;选择f-measure作为种群进化的目标函数,评价染色体质量;设计了染色体对齐方式,...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 绪论
    1.1 研究背景、目的和意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 论文框架
第二章 理论基础
    2.1 图论基础知识
    2.2 遗传算法与粒子群优化算法
    2.3 蛋白质复合物算法评价指标
    2.4 本章小结
第三章 基于遗传算法的蛋白质复合物识别算法GAGC
    3.1 目标函数-个体适应度
    3.2 GAGC算法
        3.2.1 初始种群产生过程InitialPopulation
        3.2.2 选择策略
        3.2.3 基于染色体对齐的交叉策略
        3.2.4 染色体对齐机制
        3.2.5 变异策略
        3.2.6 基于遗传算法的图聚类算法GAGC流程
    3.3 实验结果与分析
        3.3.1 实验数据
        3.3.2 实验结果
    3.4 本章小结
第四章 基于离散粒子群优化算法的蛋白质复合物识别算法
    4.1 粒子位置和速度的定义
    4.2 目标函数
    4.3 粒子群初始化
    4.4 粒子状态更新规则
    4.5 DPSOPC算法框架描述
    4.6 实验结果与分析
        4.6.1 实验配置与数据集
        4.6.2 与智能优化算法的对比实验
        4.6.3 与其它算法的对比实验
        4.6.4 算法识别的复合物示例
    4.7 本章小结
第五章 结论与展望
    5.1 结论
    5.2 展望
参考文献
攻读学位期间取得的研究成果
致谢
个人简况及联系方式



本文编号：4049764