位置:成果数据库 > 期刊 > 期刊详情页
快速的基于蚁群聚类的PPI网络功能模块检测方法
  • ISSN号:0254-0037
  • 期刊名称:《北京工业大学学报》
  • 时间:0
  • 分类:TP301.6[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室, 北京100124
  • 相关基金:国家自然科学基金资助项目(61375059)
中文摘要:

针对蚁群聚类在蛋白质相互作用(protein-protein interaction,PPI)网络中进行功能模块检测问题上时间性能的不足,提出一种快速的基于蚁群聚类的PPI 网络功能模块检测(fast ant colony clustering for functional moduledetection, FACC-FMD)方法. 该算法计算每个蛋白质与核心组蛋白质的相似度,根据拾起放下模型进行聚类,得到的初始聚类结果中功能模块之间相似度很小,省去了原始蚁群聚类算法中的合并和过滤操作,缩短了求解时间. 同时该算法根据蛋白质的关键性对蚁群聚类中的拾起放下操作做了更严格的约束,以减少拾起放下的次数,加速了聚类的过程. 在多个PPI 网络上的实验表明:与原始蚁群聚类方法相比,FACC鄄FMD 大幅度提高了时间性能,同时取得了良好的检测质量,而且与近年来的一些经典算法相比在多项性能指标上也具有一定的优势.

英文摘要:

The time performance of ant colony clustering seriously restricts its application for functionalmodule. A fast ant colony clustering for functional module detection (FACC-FMD) algorithm, whichconsiderably speeded up the original ACC-FMD algorithm was developed. The similarity between eachprotein and core protein group was computed by the FACC-FMD, then clustered by the pick-up and drop-down model. The similarity between the functional modules by clustering was small. Thus FACC-FMDeliminated the need for the merge operation and filter operation in ant colony cluster, and shorten therunning time. At the same time, the essential of protein was computed and was used to constraint thetimes of pick-up and drop-down. Experiments on multiple PPI networks show that the FACC-FMDalgorithm can greatly improve the time performance of ant colony clustering for functional moduledetection with satisfactory quality. Moreover, compared with classical algorithms in recent years, theFACC-FMD also has advantages in performance indicators.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《北京工业大学学报》
  • 中国科技核心期刊
  • 主管单位:北京市教委
  • 主办单位:北京工业大学
  • 主编:卢振洋
  • 地址:北京市朝阳区平乐园100号
  • 邮编:100124
  • 邮箱:xuebao@bjut.edu.cn
  • 电话:010-67392535
  • 国际标准刊号:ISSN:0254-0037
  • 国内统一刊号:ISSN:11-2286/T
  • 邮发代号:2-86
  • 获奖情况:
  • 中国高等学校自然科学学报优秀学报二等奖,北京市优秀期刊,华北5省市优秀期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:11924