[发明专利]基于多源数据融合及多目标优化的蛋白质复合物识别方法

摘要

本发明公开了基于多源数据融合及多目标优化的蛋白质复合物识别方法，包括对蛋白质相互作用网络数据进行预处理，得到邻接矩阵；蛋白质复合物初步聚类，得到初始蛋白质复合物模块；进一步优化复合物模块，在优化过程中融合蛋白质相互作用网络数据的拓扑结构特性和GO注释数据的功能相似特性，并结合自适应多目标黑洞优化算法框架进行寻优操作，得到更加精确的蛋白质复合物模块；进行后处理操作，得到最终的最优蛋白质复合物。本发明提高了蛋白质复合物的识别速度和识别精度，适用于蛋白质相互作用网络并可拓展到至其他复杂社区网络分析中，在复杂网络分析中具有很强的实用性。

主权项

1.基于多源数据融合及多目标优化的蛋白质复合物识别方法，其特征在于，包括以下步骤：S1.将蛋白质相互作用网络看成是全连通图，预处理，得到邻接矩阵；S2.将邻接矩阵中的所有蛋白质节点进行聚类，得到初步的蛋白质聚类模块；S3.在初步的蛋白质聚类模块的基础上进一步优化每一个聚类模块，在优化过程中融合蛋白质相互作用网络数据的拓扑结构特性和GO注释数据的功能相似特性，并结合自适应多目标黑洞优化算法框架进行寻优操作，将每个蛋白质模块看作黑洞，每个蛋白质节点看作星点，黑洞中心是初始粗聚类模块的聚类中心，通过选择和删除不同于原个体的新星点来不断更新黑洞，计算新黑洞与原星点所在黑洞的适应值，进行比较，若新黑洞的适应值优于原有的黑洞，则用新产生的黑洞替代原有的黑洞，得到蛋白质复合物模块；S4.进行后处理，去除在每个蛋白质复合物模块中与其他蛋白质节点没有相连接边的孤立节点，并去除所有规模小于3的蛋白质复合物模块，经过处理得到的蛋白质复合物模块即为该方法识别的最优蛋白质复合物。