基于蛋白质相互作用网络的疾病模块挖掘

Protein-protein interaction networks are the core research contents of system biology.The challenges are how to analyze and mine the large-scale network data to obtain the structural and functional information of the organism,and predict the potential disease modules. Evidence from many sources suggests that all cellular components that belong to the same functional or disease module have a high likelihood of being involved in the same disease.And a conserved module is likely to be a disease module. Therefore, by identifying functional and conserved functional modules from protein interaction networks, we study algorithms for mining disease modules.The main contents of this research project include:(1)From the perspective of complex systems, we study the topological attributes of protein networks.(2)Based on the theory of system core and coritivity,cluster analysis and association rule technology,we identify functional modules to find candidate disease ones from protein networks.(3)By the comparative analysis between functional modules of different species,conserved functional modules are detected to predict disease ones.(4)We also make a detailed analysis of disease modules to discover the potential molecular mechanisms of disease, and provide new directions for disease therapy.

蛋白质相互作用网络是系统生物学的核心研究内容，挑战是如何对大规模的网络数据进行分析和挖掘，以获取生物体的结构和功能信息，预测潜在的疾病模块。研究发现同一功能或者疾病模块内的所有细胞元件，极有可能参与相同的疾病，而且疾病模块具有保守性。因此，通过研究在蛋白质网络中挖掘功能模块，以及通过模块比对发现保守功能模块，能够发现潜在的疾病模块。本项目主要研究：(1)从复杂系统的角度，研究蛋白质网络的拓扑结构特征。(2)基于系统的核与核度理论、图聚类分析和关联规则技术，通过识别蛋白质网络中的功能模块来发现潜在的疾病模块。(3)通过不同物种功能模块间的比对分析，发现保守功能模块来预测疾病模块。(4)对疾病模块进行深入分析，试图理解疾病的分子机制， 发现可能导致疾病的原因，为疾病的医治提供新的治疗方向。

蛋白质相互作用网络是系统生物学的核心研究内容，挑战是如何对大规模的网络数据进行分析和挖掘，以获取生物体的结构和功能信息，预测潜在的疾病模块。研究发现同一功能或者疾病模块内的所有细胞元件，极有可能参与相同的疾病。本项目主要研究：(1)从复杂系统的角度，研究蛋白质网络的拓扑结构特征。(2)基于图聚类分析和关联规则技术，通过识别蛋白质网络中的功能模块来发现潜在的疾病模块。(3)对疾病模块进行深入分析，试图理解疾病的分子机制，发现可能导致疾病的原因，为疾病的医治提供新的治疗方向。.重要研究结果包括：.(1) 基于边中心性提出了一种新的分裂算法来检测网络中的社团结构。研究了三种边中心性，分别是：基于网络拓扑、基于随机游走和基于路径，并利用这三种中心性来量化网络中每条边的相关性，同时基于GN算法的原理提出了一个新的分裂算法来发现社团结构。.(2) 提出了一种用于蛋白质相互作用分析和预测的开源算法：ppiPre算法，它是一种用于PPI分析和预测的开源框架，集成了异质特性，包括：三个基于GO的语义相似性，一个基于KEGG的共路径相似性，以及三个基于拓扑的相似性。.(3) 首先利用边的中心性，如介数、信息中心性和边聚集系数来给连接赋权重，将无权图转换为有权图。接着，提出了一个既考虑连接又考虑连接权重的有权函数，用它来识别赋权网络中的社团结构。.(4) 提出一种基于已知蛋白质复合体发现药物-疾病之间相关性的新方法。首先，集成药物、蛋白质复合体和疾病三种数据构成三部图，利用联合概率赋权药物-疾病之间的联系。接着，基于药物-复合体-疾病三部图，提取药物-疾病之间的有权关系。.(5) 首先，利用边的中心性刻画节点间的相似性，并把网络建模成一个模糊关系。然后，利用两种模糊聚类规则对该模糊关系进行变换。最终使得相似性信息在节点间进行传递。该模糊关系达到稳定状态也意味着网络信息传递结束，网络模块结构已经形成。.(6) 定义一种新颖的潜在社团结构叫做cograph 社团，接着基于提出的边P4中心性开发了cograph 社团的高效检测算法EPCA。.以上所得的研究成果，使得深入分析网络的模块结构，以及模块的内部结构成为可能，并为后续的研究奠定了坚实的基础。可以基于模块结构相关的信息预测药物和疾病的相关性，研究药物的重定位，以及疾病新的治疗方向等等。