欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021116547615
申请人: 山西大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种蛋白质互作网络功能模块挖掘方法,其特征在于,包括以下步骤:S10、对采集到的蛋白质互作网络数据进行预处理,降低噪声数据对结果的影响;

S20、由步骤S10获得的蛋白质互作网络数据,抽取蛋白质特征信息和蛋白质相互作用信息,得到蛋白质互作网络结构;

S30、基于步骤S20蛋白质互作网络结构,构建蛋白质互作网络功能模块挖掘模型;

S40、基于步骤S30构建的蛋白质互作网络功能模块挖掘模型,对模型进行训练,通过迭代计算,使得模型收敛,确定模型中的待定参数;

S50、利用步骤S30构建的蛋白质互作网络功能模块挖掘模型,以及步骤S40确定的模型参数,将蛋白质节点进行分类,得到功能模块挖掘结果并输出;

所述步骤S30包含以下步骤:

S31、进一步的,使用图卷积网络作为编码器将蛋白质互作网络G(V,E,C)编码为网络表示向量,其编码过程的形式化表示如式(1)所示:其中,

S32、进一步的,使用内积函数作为解码器将网络表示向量集合R解码重构为蛋白质相互作用矩阵其中,δ为内积函数;

S33、进一步的,分类器用于将蛋白质互作网络中蛋白质节点的网络表示向量划分到相应功能模块当中,将分类器划分后的功能模块结果记为P其中,θ和ρ是待确定参数,ξ

2.根据权利要求1所述的一种蛋白质互作网络功能模块挖掘方法,其特征在于,所述步骤S10包含以下具体步骤:S11、从蛋白质互作数据库中收集人类相关数据,作为实验数据集;

S12、利用基因本体论数据分析工具注释蛋白质,为每个蛋白质建立生物过程BP注释短语集合,第i个蛋白质的BP注释集合用DS13、计算蛋白质注释短语矩阵中的每一对短语的语义相似值,用来表示两个蛋白质注释短语之间的相似性SimDS14、取相似性值中最大的一个作为蛋白质之间的相似值;

S15、设定阈值,如果蛋白质之间的相似值大于阈值,则认为蛋白质之间存在相互作用,保留蛋白质之间的相互作用数据,否则删除,以此减少蛋白质互作网络数据中的假阳性噪声数据,增加数据的可靠性。

3.根据权利要求1所述的一种蛋白质互作网络功能模块挖掘方法,其特征在于,所述步骤S20包括以下具体步骤:S21、根据S10预处理后的蛋白质互作网络数据构建一个蛋白质互作网络模型G(V,E,C),将蛋白质互作网络中的蛋白质抽象为节点,其中V={vS22、构建蛋白质互作网络标签矩阵来保存网络的类别信息,将标签矩阵记为B=[b

4.根据权利要求1所述的一种蛋白质互作网络功能模块挖掘方法,其特征在于,所述步骤S30中的蛋白质互作网络功能模块挖掘模型包含编码器、解码器、节点分类器三个部分,编码器用于将蛋白质节点编码得到网络表示向量;解码器用于将编码器得到的网络表示向量解码重构为蛋白质相互作用矩阵;节点分类器用于最后挖掘蛋白质功能模块。

5.根据权利要求1所述的一种蛋白质互作网络功能模块挖掘方法,其特征在于,所述步骤S40包括以下具体步骤:S41、为S30建立的蛋白质互作网络功能模块挖掘模型建立式(5)所示的联合目标函数:L=L

其中β为超参数,L

其中,e

L

S42、基于S30构建的蛋白质互作网络功能模块挖掘模型中,利用拉格朗日优化方法将式(4)转换为其对偶形式进行求解:其中,α

然后,选用高斯核函数来代替点积,将样本从原输入空间映射到高维特征空间,实现在高维空间的线性分类;将式(9)核函数引入式(8),可得到如式(10)所示的目标函数:其中,σ表示超参数;

解之得到最优解

S43、对步骤S30中的蛋白质互作网络功能模块挖掘模型进行初始化,初始化图自编码器参数W,并给定隐空间维度32、批大小128和学习率0.5;

给定迭代次数T,迭代执行步骤S44~S48,直到达到迭代次数,完成对蛋白质互作网络功能模块挖掘模型的训练,获得模型的最优参数:S44、将S21获取的蛋白质相互作用矩阵E和特征矩阵C作为输入,按式(1)编码器编码获取蛋白质网络表示向量集合R;

S45、按式(3)解码器对蛋白质网络表示向量集合R进行解码得到S47、采用随机梯度下降法,通过优化式(5)中的联合目标函数L,完成反向传播,实现对自编码器中权重W的更新;

S48、通过式(11),对蛋白质互作网络中的蛋白质节点进行分类,得到蛋白质功能模块。

6.根据权利要求1所述的一种蛋白质互作网络功能模块挖掘方法,其特征在于,所述步骤S50包含以下具体步骤:S51、通过迭代执行步骤S44~S48的训练过程获得蛋白质互作网络节点分类模型的最优参数后,输入新的蛋白质互作网络数据,将最后一次获取的蛋白质节点分类结果作为最终功能模块挖掘的结果;

S52、将功能模块挖掘结果进行输出。

7.根据权利要求1所述方法的一种蛋白质互作网络功能模块挖掘系统,其特征在于:包括计算机处理器和内存、蛋白质互作网络数据预处理单元、蛋白质互作网络功能模块挖掘模型训练单元、蛋白质互作网络功能模块挖掘及结果输出单元;所述蛋白质互作网络数据预处理单元对抽取的人类相关蛋白质互作网络数据进行预处理,获得蛋白质互作网络去噪数据,并加载到计算机内存中;所述蛋白质互作网络功能模块挖掘模型训练单元根据蛋白质互作网络数据预处理单元产生的蛋白质互作网络数据构建蛋白质互作网络功能模块挖掘模型,并基于输入的蛋白质互作网络相关信息,训练并确定模型中参数的最优值;所述蛋白质互作网络功能模块挖掘及结果输出单元将蛋白质互作网络中每个蛋白质节点进行分类并划分到各个功能模块中,并将蛋白质互作网络功能模块挖掘结果进行输出;所有单元中具体的数据处理和计算工作由所述计算机处理器完成,且所有单元都与所述计算机内存的数据交互。