1、生物信息學是八十年代末隨著人類基因組計劃的啟動而興起的一門新興交叉學科,是當今生命科學和自然科學的重大前沿領域之一。pathway預測是后基因組時代各類組學研究的基礎,已成為近年來生物信息學的研究熱點之一。計算機科學領域的數(shù)據(jù)挖掘方法因其在大規(guī)模數(shù)據(jù)中卓越的處理能力而在生物信息學中得到廣泛應用,本文旨在利用計算方法來挖掘出目標物種中的代謝pathway元素。為此,主要圍繞蛋白質(zhì)相互作用網(wǎng)絡(Protein-Protein Interac

2、tion Network,PPI網(wǎng)絡)分析這一主題,對其采用的模型、相關(guān)聚類方法以及預測結(jié)果評價等問題作了深入的分析與研究,主要工作有以下幾個方面:
　　1.提出利用蛋白質(zhì)相互作用數(shù)據(jù)集來間接預測pathway的思路。首先根據(jù)蛋白質(zhì)相互作用數(shù)據(jù)構(gòu)建PPI網(wǎng)絡,然后利用聚類算法來挖掘其中具有某種生物功能的蛋白質(zhì)簇,借由蛋白質(zhì)與基因之間的轉(zhuǎn)錄對應關(guān)系,來預測代謝pathway中的基因。
　　2.優(yōu)化相關(guān)性定義,改進了Samant

3、a基于概率模型的層次聚類算法。首先討論了根據(jù)概率模型選取的聚類閾值以及相關(guān)性的基本定義,為提高預測準確性,全面分析PPI網(wǎng)絡,綜合考量了蛋白質(zhì)對間一階,二階相互作用,并改進相關(guān)性定義,使其增加生物學意義,在大腸桿菌的DIP數(shù)據(jù)集上實驗,聚類結(jié)果中有19個簇,其簇內(nèi)所有蛋白質(zhì)對應的基因簇全部出現(xiàn)在同一pathway中,證明了算法的有效性。
　　3.利用譜聚類算法來劃分PPI網(wǎng)絡中的社團結(jié)構(gòu)。針對大腸桿菌PPI網(wǎng)絡中社團結(jié)構(gòu)不夠顯著的