基于标签的生物网络模块化识别方法研究及其可视化

基于标签的生物网络模块化识别方法研究及其可视化

论文摘要

高通量生物技术的发展使得生物数据大量增长,使得生物网络成为生物系统和生物实体相互关系的重要表示方法。在生物网络研究中发现,网络中的模块结构往往具有实际的生物学意义,因此生物网络的模块化识别成为各类生物网络分析的重要方法。主流的模块化识别方法主要关注于网络本身的拓扑结构信息,但对于生物网络与其它现实网络而言,节点本身也具有丰富的标签信息。利用节点标签信息与网络拓扑结构相结合进行网络模块化识别成为新的研究方向。因此,本课题旨在对目前的经典及先进的基于标签的网络模块化识别方法进行研究,选择了六种基于标签的模块化识别算法对比其效果和性能。同时实现在标签为GO注释的生物网络中的应用。由于GO注释层次结构的特殊性,使得网络节点携带的标签信息重复率低、长度不固定且属性较多。针对这类问题,我们提出了一种基于GO拓扑结构划分的标签重定义方法,对网络中的所有GO便签构建最小联通子图并进行划分,从而实现对标签的重新映射,并在此方法上,我们对比了单纯基于拓扑结构的模块化识别方法及基于标签的模块化识别方法在生物网络中的划分效果。此外,为了能够更易理解模块划分数据,我们开发了一个在线的生物网络模块化识别可视化平台,提供数据输入、基于标签的模块化识别以及可视化展示等功能,为使用者提供了极大便利。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 课题背景及研究目的和意义
  •   1.2 国内外研究现状分析
  •     1.2.1 国内研究现状
  •     1.2.2 国外研究现状
  •   1.4 主要研究内容
  • 第二章 生物网络概念及构建
  •   2.1 引言
  •   2.2 分子生物网络
  •     2.2.1 网络表示
  •     2.2.2 生物网络标签信息GO
  •     2.2.3 GO注释的生物网络
  •   2.3 网络构建
  •     2.3.1 基准网络生成
  •     2.3.2 生物网络构建
  •   2.4 本章小节
  • 第三章 基于标签的生物网络模块化识别研究
  •   3.1 引言
  •   3.2 相关算法研究
  •     3.2.1 PPSB-DC算法
  •     3.2.2 BAGC算法
  •     3.2.3 GLFM算法
  •     3.2.4 CESNA算法
  •     3.2.5 基于度矫正的标签网络模块化方法
  •   3.3 基于GO拓扑的节点标签重定义模块识别方法
  •     3.3.1 问题描述
  •     3.3.2 基于GO结构的节点标签重定义模块识别方法
  •   3.4 实验结果及分析
  •     3.4.1 模块化识别评估方法
  •     3.4.2 基于标签的模块化识别方法对比实验
  •     3.4.3 生物网络应用实验
  •   3.5 本章小节
  • 第四章 生物网络模块化识别可视化系统
  •   4.1 引言
  •   4.2 软件架构
  •   4.3 系统功能模块划分
  •     4.3.1 数据传输模块
  •     4.3.2 数据处理及网络构建模块
  •     4.3.3 模块化识别算法模块
  •     4.3.4 网络可视化模块
  •   4.4 系统实现技术
  •     4.4.1 系统开发技术
  •     4.4.2 系统可视化技术
  •   4.5 本章小节
  • 结论
  • 参考文献
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 刘睿

    导师: 李杰

    关键词: 生物网络,基于标签的模块化识别,注释信息,在线可视化系统

    来源: 哈尔滨工业大学

    年度: 2019

    分类: 基础科学

    专业: 数学

    单位: 哈尔滨工业大学

    分类号: O157.5

    DOI: 10.27061/d.cnki.ghgdu.2019.002959

    总页数: 64

    文件大小: 2865K

    下载量: 30

    相关论文文献

    • [1].生物网络在生物功能分析中的应用[J]. 高师理科学刊 2018(03)
    • [2].疫情期间初三生物网络教学实效性的实践研究[J]. 基础教育论坛 2020(26)
    • [3].复杂生物网络分析的图聚类方法研究进展[J]. 食品与生物技术学报 2008(05)
    • [4].一款轻量级的复杂生物网络图形化分析软件的设计与实现[J]. 智能计算机与应用 2018(02)
    • [5].设计合理高效的生物网络课[J]. 中国信息技术教育 2011(18)
    • [6].生物网络型社会组织[J]. 办公自动化 2015(11)
    • [7].生物网络模体识别算法概述[J]. 科协论坛(下半月) 2010(02)
    • [8].复杂生物网络自动画图算法分析[J]. 计算机工程 2010(08)
    • [9].大规模生物网络马尔可夫聚类的并行化算法[J]. 计算机应用 2019(01)
    • [10].一种带权值图匹配算法的研究[J]. 福建电脑 2016(04)
    • [11].microRNA调控的生物网络[J]. 生命科学 2008(04)
    • [12].药物开发的未来——新疗法发展[J]. 西部皮革 2019(10)
    • [13].基于网络拓扑的生物网络关键节点识别研究进展[J]. 数学的实践与认识 2011(07)
    • [14].基于消息传递接口的大规模生物网络比对并行化算法[J]. 计算机应用 2014(11)
    • [15].使用Cytoscape对生物网络数据的建模和分析[J]. 农业网络信息 2017(06)
    • [16].几种人类生物网络的自相似性实证研究[J]. 计算机工程与应用 2011(16)
    • [17].矢量格兰杰因果关系及其在复杂网络中的应用[J]. 计算机工程与应用 2008(29)
    • [18].4G生活猜想[J]. 中国经济周刊 2013(40)
    • [19].书讯[J]. 军事运筹与系统工程 2010(04)
    • [20].网络药理学研究相关技术与应用[J]. 天津中医药大学学报 2015(02)
    • [21].生物网络研究进展述评(英文)[J]. 生物信息学 2011(02)
    • [22].基于生物网络的当归芍药散、桂枝茯苓丸治疗原发性痛经作用机制研究[J]. 中药材 2015(11)
    • [23].复杂网络理论在基因调控网络中的应用[J]. 重庆科技学院学报(自然科学版) 2009(05)
    • [24].基于生物网络与表达谱信息的基因功能预测与分析综述[J]. 计算机与应用化学 2017(02)
    • [25].第64届美国运动医学会年会关于“运动益处的生物网络”研究热点与趋势[J]. 北京体育大学学报 2017(08)
    • [26].网络药理学的研究方法与应用进展[J]. 药学实践杂志 2015(05)
    • [27].本期“复杂性科学”专栏评述[J]. 电子科技大学学报 2013(03)
    • [28].基因组水平上重构代谢网络的研究进展[J]. 药物生物技术 2012(02)
    • [29].异质生物网络的同步节律的实验研究[J]. 物理学报 2012(24)
    • [30].基于动态优化算法的复杂生物网络的状态调控[J]. 生物医学工程学杂志 2020(01)

    标签:;  ;  ;  ;  

    基于标签的生物网络模块化识别方法研究及其可视化
    下载Doc文档

    猜你喜欢