基于混合超图的生物网络模型研究

Biological network is a complex and changefully network. At present, constructing biological network model is based on the traditional graph theory, and it can only express the partial property of the real-world network. In particularly, it is difficult to show the complex interactions among molecules. Therefore, our project plans to combine the hypergraph theory with the results of biological network models and thus construct the biological network model based on the mixture hypergragh by studying the characteristic and interaction of components and data expression and how to merge and reduce data. Then, the structure and kinetic property of the network and the relationship between them will be studied, and synergistic reaction will be discussed when network is regarded as an integral whole. At last, the network model based on mixture hypergraph targeted at protein network is constructed. The characteristic is analyzed from the topology structure, and protein funtions are interpreted and functional modules are detected based on global and local struture.

生物网络是一个复杂多变的网络，鉴于目前生物网络模型的构建主要建立在传统图论的基础之上，只能表达真实网络的部分性质，特别是难以反映多分子间的复杂相互作用，本项目拟将超图的理论融入已有生物网络建模的研究成果，通过研究生物网络各组成部件的特性和它们之间复杂相互作用关系及其数据表达，以及如何将数据进行整合和简化，构建基于混合超图的生物网络模型。进而研究网络的结构与动力学性质及其之间的关系，以及网络作为整体所呈现的协同作用。最后以蛋白质网络为具体对象，构建基于混合超图的网络模型，从蛋白质网络拓扑特性分析出发，采用全局与局部相结合的思想实现蛋白质功能注释与功能模块挖掘。

生物网络是一个大型的复杂网络，主要研究生命各组成部件的特性和它们之间复杂相互作用及其数据表达，而如何将数据进行整合和简化，构建生物网络模型，进而研究网络的结构与动力学性质及其之间的关系，以及网络作为整体所呈现的协同作用，进而开展生物网络模体发现与功能预测、生物的同源性检测等相关应用研究，可以部分解决以实验为主的蛋白质功能模块测定和注释所需要的高昂实验成本问题，在疾病诊治，药物设计等方面有重要的应用价值。本项目以生物网络为研究对象，在数据预处理、生物网络模型构建、生物网络模型动力学分析、蛋白质功能注释与功能模块挖掘等方面开展了较为深入的研究，并取得了一定的研究成果。其中在数据预处理方面，给出了基于互信息和主成分分析的组合式数据特征选择算法，以及基于信息度量和遗传算法的过滤式特征选择算法，有效的降低了数据维数，获取到更为有效的特征表达；在生物网络模型构建方面，给出了基于重抽样BN图的网络模型构建方法、基于吉布斯采样的网络模型构建、以及基于混沌粒子群算法的网络结构学习方法等；在生物网络模型动力学分析方面，对基因调控网络的稳定性和无源性开展了相应的研究，并给出了RNA序列的相似性比较与同源性分析；在蛋白质功能注释与功能模块挖掘方面，主要研究了生物网络模体发现与蛋白质结构预测，给出了基于动态调用的网络模体发现算法和基于禁忌搜索的蛋白质结构预测混合算法。上述成果共发表学术论文26篇，其中SCI检索15篇，EI检索18篇，获得发明专利授权3项、其中日本专利1项，受理1项，圆满的完成了项目的预期目标。