不确定蛋白质相互作用的网络模型和预测研究

Protein-protein interaction (PPI) network is an important research area of proteomics in post-genomic era. It is very important for revealing the physiological and pathological activities of the organisms. Research shows the interaction between proteins is an uncertain process, however, we still lack of a model which can objectively and comprehensively describe the random evolving process of the PPI network. We also need analytical algorithms which can expansively reflect the biological and topological features of the network. In this project, we study the evolving model of uncertain PPI network which can truly simulate the protein-protein interactions in cells. We also study effective approach to extract the biological features of the proteins. We will investigate effective methods to detect the protein interaction considering both the biological characteristics of the protein and the topological features of PPI network. We will propose a space mapping method to map the similarity matrixes onto a low rank latent space. We will design algorithms to predict the interactions using the uncertainty of the network of proteins interaction. We will propose a method based on the SimRank index, and the method transforms the SimRank computing in uncertain network to the one in certain network. To improve the precision of prediction, we will also develop a new approach based on similarity transformation which propagates the nodes similarity in the network under a certain probability via a random walk. The problems mentioned above are the important and urgent issues in the research on protein. The results of our project will also provide a meaningful direction to the empirical biological research.

蛋白质相互作用(PPI)网络是后基因时代蛋白质组学研究的重要内容, 对于揭示生物体生理和病理活动意义非凡。研究表明蛋白质间的相互作用具有一定的不确定性, 目前对于不确定性PPI网络还缺乏刻画其演化的模型, 缺乏融合生物特性和网络拓扑的分析算法。本项目研究不确定性PPI网络的演化模型, 使之真实模拟细胞中蛋白质间相互作用;研究蛋白质的生物特征提取的有效方法、融合蛋白质的生物特性与网络拓扑结构信息的有效途径。拟提出空间映射的思想, 将相应的相似度矩阵在互相约束的条件下同时映射到一个低阶的隐空间上。研究蛋白质不确定性相互作用的预测方法, 拟提出基于SimRank的思想, 将不确定网络中的相似度计算转化为确定图中进行; 拟提出基于相似度传递的思想, 通过在图上的随机游走将相似度按概率在网络中传播, 获得高的准确率。以上的问题是该领域中迫待解决的问题。本项目的研究成果对相关的生物学实验具有指导意义。

不确定性蛋白质相互作用的网络模型和预测研究是后基因时代蛋白质组学研究的重要内容。为了提高预测结果的准确性和速度，对于如何建立精确描述该网络的演化模型、网络中蛋白质的生物特征如何提取以及如何有效融合蛋白质的生物特性与网络拓扑结构信息等许多问题亟待解决。本项目针对上述问题进行研究，主要内容包括：（1）研究了不确定性蛋白质相互作用网络的演化模型, 使之能真实模拟细胞中蛋白质间的相互作用；（2）研究了将网络拓扑信息和蛋白质的多源生物属性信息相结合的有效的方法，提高了预测结果的精度和生物学意义；（3）研究了基于不确定性蛋白质相互作用网络的各类预测新方法，以降低预测算法的复杂度。本项目的研究对拓展蛋白质功能的理解, 设计更加高效准确的不确定性蛋白质相互作用网络上的相互作用预测算法, 并扩大其应用范围有着重要的理论价值和应用价值，有利于解决社会网络分析、复杂网络中的影响力最大化、流行病传播等领域的应用问题。