基于中心性和模块特性的关键蛋白质识别

来源：计算机应用研究杂志2020年第7期北京时间：

作者：毛伊敏,章宇盟,胡健,

单位：江西理工大学a.信息工程学院;b.应用科学学院信息工程系,江西赣州341000；

摘要：针对蛋白质相互作用（protein-protein interaction，PPI）网络中存在大量噪声以及现有关键蛋白识别方法准确率不高等问题，提出了一种基于中心性和模块特性（united centrality and modularity，UCM）的方法来识别关键蛋白质。首先，整合蛋白质拓扑数据和生物数据构建多元属性网络，以降低PPI网络中噪声的影响；其次，根据关键蛋白质的拓扑特性和生物特性，提出一种挖掘稠密且高度共表达的关键模块算法，从多元属性网络中挖掘高可靠性的关键模块，以从多维角度强化关键蛋白质在模块中的重要程度；最后，整合蛋白质的中心性和模块化特性，设计一种衡量蛋白质关键性的策略（essential integration strategy，EIS），以提高识别高关键蛋白质的准确率。UCM方法应用在DIP数据集上进行验证，实验结果表明，与其他10种关键蛋白质识别方法相比较，该方法具有较好的识别性能，能够识别更多的关键蛋白质。

关键词：蛋白质相互作用网络,多元属性,关键模块,中心性,关键蛋白质,

基金资助：国家自然科学基金资助项目(41562019,41530640)；江西省自然基金资助项目(GJJ161566,20161BAB203093)；江西省教育厅科技项目(GJJ181504,GJJ151528)；；