比较图元向量和点的聚类系数对差异网络的研究

《比较图元向量和点的聚类系数对差异网络的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第11卷第4期生物信息学Vo1．11No．42013年l2月ChineseJourna1ofBioinformaticsDec．，2013doi：10．3969／j．issn．1672—5565．2013．04．04比较图元向量和点的聚类系数对差异网络的研究肖碧玉，李先彬，沈良忠，刘文斌(温州大学物理-q电子信息工程学院，浙江温州，325035)摘要：差异分析对于揭示生命体的生长、发育和衰老过程及疾病发生具有重大的意义，基于网络的差异分析方法已经成为系统生物学的一个研究热点。网络节点往往通过与局部结构作用实现某种功能其与局部结构的关系变化，很可能影响其功能。本文利

2、用仿真实验的方法比较了图元向量和点的聚类系数两种局部结构测度的性能．并且利用他们分别设计算法挖掘差异网络中模块化变化的基因簇。应用AGEMAP数据库中小鼠12个组织基因表达数据进行实验．大部分聚类簇都高度显著富集与衰老相关的GO项。关键词：差异网络；点的聚类系数；图元向量；小鼠衰老中图分类号：R978．1+6文献标识码：A文章编号：1672—5565(2013)一04—264—07ComparinggraphletorbitandclusteringcoeficientindifferentiallynetworkXIAOBi—yu，LIXian—bin，SHEN

3、Liang—zhong，LIUWen—bin(DepartmentofPhysicsandElectronicinformationengineering，WenzhouUniversity，Wenzhou325035，China)Abstract：Differentialanalysisisveryimportantforunderstandingtheprocessofbiologicalevolutionandtheprogressofdiseases．Recently，graphbaseddifferentialanalysishasturnedtobea

4、hotareainsystembiology．Onenodeoftenworkswithitsneighboringnodes，SOthattheirfunctionswillchangeiftheirconnectionschange．Inthispaper，wecomparedgraphletorbitandclusteringcoeficientbyrandomnetworks．WeusedthemtominewithinmoduledifferentialCO—expresssionclusters．Applicationtodataformiceshow

5、edthatmostoftheclustersaresignificantenrichedinsomeGOtermsrelatedtoaging．Keywords：DifferentiallyNetwork；ClusteringCoeficient；GraphletOrbit；Aging系统生物研究表明：生命体的生长、发育、衰老Jacob等发现小鼠衰老期各组织的基因表达水平变过程以及疾病的发生与基因之问相互作用的变化密化存在较大的差异，可归类为神经组织、血管组织、切相关。随着以微阵列技术为代表的各种高通量技类固醇反应组织三种衰老类型_】术的飞速发展．人们可以同时观

6、察到一个细胞中成(2)基因之间往往是通过相互作用来实现某种千上万个基因的活动状况。如何利用这些数据挖掘功能．因而挖掘基因作用关系的变化能够揭示基因出其中潜在变化，对于揭示衰老及疾病的发生发展，(簇)与功能之间的关系。Remondini通过比对基因具有重要的生物学意义。因此，基于基因表达谱数时间序列网络的度的分布，发现c．myc致癌基因的据的差异分析成为系统生物学的一个研究热点基活性与基因的网络结构有密切关系J。Voy等通过因差异表达的分析大致可以分为以下三个层次：研究网络边的变化，确定小鼠受辐射影响的基因(1)生物学中，有些关键基因表达水平的高低簇_3]。Oldh

7、am等比对人类和黑猩猩差异网络的拓往往是导致疾病产生的关键因素。因此，最早的差扑重叠，挖掘与生物驱动进化有关的基因集合J。异分析主要集中在单个基因表达水平的变化．如OmarOdiba等在差异网络分析中将网络中介性及收稿日期：2012-04-28：修回日期：2012-07-23．基金项目：国家自然科学基金(61272018；60970065；61174162，)；浙江省自然科学基金(R1110261；Y1080227；)；浙江省新苗人才计划项目(2012R424051)资助。作者简介：肖碧玉：女，研究生，主要研究方向为生物信息学、数据挖掘；E-mail：616961

8、187@q