基于复杂网络和图嵌入表示的弱监督蛋白质交互识别

发布时间：2023-04-19 20:24

　　蛋白质交互(Protein-Protein Interaction,PPI)对于生命过程有着巨大影响,在生物医学领域的研究中起了重要作用。蛋白质交互关系的发现与记录可以帮助新药的发现,诊断的疾病等研究。目前的PPI相关内容主要以文献的形式存储,然而随着医学文献的飞速发展,查询PPI关系往往给相关研究人员带来了难度。因此,许多科研人员致力于研究如何自动从文献中识别出PPI关系。目前,基于有监督的算法是进行PPI识别的主流方法。该方法虽然能实现较好的效果,但需要大量的标注数据,往往难以在实际中应用。因此,本文提出基于弱监督的算法进行PPI识别。本文的主要工作为:一、首先,利用专业数据库中所收集的目标蛋白质对,从中查找出所有含有目标蛋白质对的句子构建签名档,并以少量有交互关系的蛋白质对作为种子集。然后,从每个句子中提取能够表达文本关系的特征作为词汇模式,根据分布式假设原理将词汇模式表示为向量,通过相似性提取出与种子词汇模式相似的语料中的词汇模式构建候选集。最后,通过对候选集的评估,挑选出大于阈值的蛋白质对加入种子集。重复上述过程进行迭代,通过对种子集的不断迭代扩充实现交互关系的识别。该方法仅...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
缩略词
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文的工作
    1.4 本文的结构
第二章 相关工作
    2.1 生物医学领域文本挖掘
        2.1.1 生物医学领域文本挖掘的研究介绍
        2.1.2 生物医学领域的文本挖掘研究内容
    2.2 蛋白质交互关系识别
        2.2.1 蛋白质交互关系识别概述
        2.2.2 蛋白质交互关系识别方法
    2.3 本章总结
第三章 基于弱监督的蛋白质交互关系识别框架
    3.1 模型框架
    3.2 语料与种子集的获取
    3.3 词汇模式的抽取及表示
    3.4 候选集生成
        3.4.1 基于关键词的词汇模式集排序
        3.4.2 序列聚类算法
        3.4.3 挑选候选蛋白质对
    3.5 候选集评估及种子集更新
        3.5.1 基础候选集评分
        3.5.2 基于功能词的候选集评分
        3.5.3 更新种子集
    3.6 实验设计及结果分析
        3.6.1 实验数据与设置
        3.6.2 实验结果与分析
    3.7 本章总结
第四章 基于复杂网络的PPI候选集评估模型
    4.1 复杂网络概述
    4.2 基于签名档的复杂网络模型
        4.2.1 基于签名档的复杂网络构建
        4.2.2 复杂网络特征选择
        4.2.3 基于复杂网络的候选集评估
    4.3 实验设计及结果分析
        4.3.1 实验数据与设置
        4.3.2 实验结果与分析
    4.4 本章总结
第五章 基于图嵌入学习的PPI特征表示
    5.1 图嵌入表示学习概述
    5.2 基于图嵌入学习表示PPI特征
        5.2.1 图嵌入模型
        5.2.2 基于图嵌入表示的PPI识别
    5.3 实验设计及结果分析
        5.3.1 实验数据与设置
        5.3.2 实验结果与分析
    5.4 本章总结
第六章 总结与展望
    6.1 工作总结
    6.2 前景展望
参考文献
致谢
在学期间的研究成果及发表的学术论文



本文编号：3794159