[发明专利]一种基于图匹配的跨物种生物通路发现方法

说明书

本发明公开了一种基于图匹配的跨物种生物通路发现方法，本发明是为了解决采用传统生物化学实验方法发现生物通路的低效率问题，和现有图匹配算法无法很好结合生物序列相似性和蛋白质交互网络结构相似性问题。通过本发明可以将生物序列相似性和网络结构相似性很好地融合，能够发现不同物种的蛋白质交互网络中共存的较大子结构，从而更有效地发现存在于不同物种中具有相似功能的生物通路，对生物学研究不同物种之间的联系有指导意义。

技术领域

本发明属于图算法技术领域，涉及一种基于图匹配的跨物种生物通路发现方法，尤其涉及一种跨物种生物蛋白质交互网络中生物通路的发现方法。

背景技术

图是计算机科学中常用的一类抽象数据结构，以描述事物之间的复杂关系。图结构已广泛应用于多种领域，如万维网、公路网、社交网络、知识图谱、蛋白质交互网络等。随着以上应用领域的发展，图数据不断的快速产生和积累，如何对其进行有效的管理、查询和挖掘等已成为学术界和工业界的研究热点。其中一个重要的课题就是挖掘不同物种生物蛋白质交互网络中的具有相似功能的生物通路。生物通路(biological pathway)由蛋白质和蛋白质之间的交互组成，可视为执行特定生物功能的最小的生物系统，不同物种之间存在大量相似功能的生物通路。有效挖掘发现不同物种之间具有相似功能的生物通路，可以帮助人类在生物体系层次上深刻理解物种间的相似及差别，对于基因学和医药学的发展具有重要的指导意义。

传统生物通路发现方法需要大量的生物化学实验支撑，比较低效。通过图匹配方法，可以发现不同物种生物蛋白质交互网络(PPI网络)中相似结构和功能的子结构，根据这些匹配的子结构再根据生物化学方法验证它们是否是真正具有相似功能的生物通路，就比较有针对性和高效。图匹配问题目标是从两个由节点和边构成的图中得到节点一一映射的关系，实质上是图论中的子图同构问题，本身就是一个无法在多项式时间内解决的问题，随着生物蛋白质交互网络规模的扩大，蛋白质网络匹配问题面临着更加艰巨的挑战。

早期蛋白质网络匹配技术主要采用序列匹配技术，因为蛋白质是由基因序列转码的mRNA转译合成的，所以蛋白质也携带有基因序列信息，通过利用BLAST等序列匹配算法可以将序列信息相近的蛋白质进行匹配，然而只依赖蛋白质序列信息而忽略蛋白质网络的结构特性，导致匹配的准确性不高。后来PathBLAST、MaWISh、Graemlin等启发式算法开始采用计算局部网络相似性来进行蛋白质网络匹配，但这些局部匹配算法可能会造成误导，因为一个物种的蛋白质网络子结构可能会匹配到另一个物种的蛋白质网络中的多个子结构，这种一对多的关系给确定生物通路带来了困难。现在比较流行的是采用全局网络匹配算法，比如IsoRank、PATH、GA、GRAAL、L-GRAAL、NATALIE、GHOST、NETAL、MAGNA、SPINAL、HubAlign等。全局网络匹配算法强调两个蛋白质网络匹配的一对一映射关系，当且仅当两个蛋白质节点的邻居节点也匹配的情况下才会将两个蛋白质节点进行匹配。但现有全局网络匹配算法存在一个弊端，即进行网络匹配时不能很好地将蛋白质序列信息和蛋白质网络结构信息结合起来，造成序列信息匹配度和结构信息匹配度两者的对立，导致比较差的生物通路发现效果。

发明内容

为了解决上述技术问题，本发明提供了一种基于新的图匹配算法的跨物种生物通路发现方法。

本发明所采用的技术方案是：一种基于图匹配的跨物种生物通路发现方法，其特征在于，包括以下步骤：

步骤1：构建初始匹配(matching construction)阶段，通过结合各种相似性度量得到一个初始匹配方案，具体是：首先将两个物种的蛋白质交互网络(PPI网络)G₁和G₂中具有最高全局相似性、局部相似性、序列相似性和度相似性以及度数大于一定阈值的的节点进行匹配作为锚点A，然后从这些锚点A扩展，根据局部相似性和序列相似性匹配锚点的邻居节点，直至两个物种中节点总数较少的PPI网络中的所有节点均已匹配，得到初始匹配M。

具体实现包括以下子步骤；