基于蚁群聚类的动态加权PPI网络复合物挖掘

摘要: 针对基于蚁群聚类的蛋白质复合物挖掘算法中，静态PPI网络难以真实反映细胞的动态特性，收敛速度较慢、聚类准确性和召回率不高等问题进行了研究，提出一种基于模糊粒度和紧密度的蚁群聚类的动态加权PPI网络复合物挖掘方法（joint fuzzy granular and closeness degree ant colony clustering-DPC，FGCDACC-DPC）。首先基于动态PPI网络的拓扑特性和生物特性设计了综合性权值度量（comprehensive weight metric，CWM），准确描述了蛋白质之间的相互作用；其次根据复合物的基本特征，构建一组稠密且高度共表达的复合核，然后设计模糊粒度和紧密度的拾起放下模型对其余节点聚类，降低了计算复杂度和随机性，加快聚类速度；最后基于功能信息传递和时序功能相关的思想分别构建了局部和全局权值更新策略，实现不同代蚁群和不同时刻网络之间的功能信息传递，提高聚类准确性。将FGCDACC-DPC算法应用在DIP数据上进行复合物挖掘，实验结果表明该算法的精度和召回率较高，能够较准确地识别蛋白质复合物。