复杂生物网络集的频繁模式挖掘算法研究

生物网络作为一种描述生物分子间相互作用关系的研究方法，在揭示生物体的生长、发育、衰老和疾病等生命系统的基本分子过程和规律中受到越来越多的重视，是系统生物学研究的前沿性问题和热点问题之一。复杂生物网络中的频繁模式挖掘已经成为系统生物学研究的一种主要方法，网络对象已经从单个网络→网络集→异质网络集的方向发展。由于生物数据的噪声高、规模大及结构复杂等特点，本项目旨在利用系统的核度理论、图论和随机图等理论和方法研究频繁模式所对应的拓扑结构特征和并建立高质量的摘要图。针对所建立的摘要图可以构建网络之间的相似度矩阵，结合谱聚类和模糊聚类等方法确定所有可能的候选子网络，并且利用图论中的最小割和中介性等方法对重叠模式的识别问题进行研究。本研究采取从图集-摘要图-图集的逐步迭代求精的策略，探索一种具有简单、高效、可扩展的复杂生物网络集的频繁模式挖掘算法。

系统生物学试图从网络的层次上，即生物网络上探索研究生物现象的结构、功能和进化等问题。生物网络主要包括基因调控网络、信号传导网络、蛋白相互作用网络、代谢网络等。生物网络作为一种描述生物分子间相互作用关系的研究方法，在揭示生物体的生长、发育、衰老和疾病等生命系统的基本分子过程和规律中受到越来越多的重视，是系统生物学研究的前沿性问题和热点问题之一。复杂生物网络中的频繁模式挖掘已经成为系统生物学研究的一种主要方法，网络对象已经从单个网络→网络集→异质网络集的方向发展。由于生物数据的噪声高、规模大及结构复杂等特点，本项目旨在利用系统的核度理论、图论和随机图等理论和方法研究频繁模式所对应的拓扑结构特征和并建立高质量的摘要图。本项目不仅对复杂生物网络集的频繁模式挖掘进行了研究，而且对一般的复杂网络的相关特性进行了研究，主要研究内容和重要研究结果包括如下十个方面：（1）多数据集中挖掘共表达聚类算法的研究，开发了多种共表达网络挖掘频繁稠密顶点集的新框架和算法。（2）基于边密度系数的稠密子图的挖掘算法，提出了一种新的测度——边稠密度系数及其计算方法，它能够较好的识别一条边是否位于一个稠密子图。（3）布尔网络及其相关特性，包括布尔网络的预测，布尔网络的动力学行为，概率布尔网络的复杂波动特性，得到许多重要的结果。（4）蛋白质相互作用网络，研究得到蛋白质相互作用网络中存在弱连接关系并且设计了蛋白质复合物的预测。（5）差异网络研究，研究图元向量在差异模式的挖掘中的应用，比较图元向量和点的聚类系数对差异网络的研究，分别给出了算法，并且将算法应用AGEMAP数据库中小鼠12个组织基因表达数据进行了实验。（6）动态网络模式挖掘算法，动态网络的拓扑结构特征分析、动态社团挖掘、频繁模式挖掘，给出了相应的挖掘算法。（7）复杂网络抗毁性，复杂网络的抗毁性及基于抗毁性的优化，包括无向的和有向的复杂网络，静态的和动态的复杂网络，给出了许多关于抗毁性及其优化问题的研究结果。（8）复杂网络节点重要性，提出了多种基于抗毁性的节点重要性评估算法。（9）复杂网络的中心化问题，交织型层级复杂网络的中心化问题。（10）复杂网络的效能评估，各种复杂网络的效能问题进行了研究，给出了若干评估方法，同时对通信网络的相关问题也进行了研究。