-
公开(公告)号：CN109686402B
公开(公告)日：2023-11-03
申请号：CN201811597170.7
申请日：2018-12-26
Applicant: 扬州大学
Abstract: 基于动态加权相互作用网络中关键蛋白质识别方法使用准则，计算蛋白质活动时间点和蛋白质活动概率，构建动态PPI网络，然后，根据蛋白质活动概率，计算蛋白质间相互作用权重，构建动态加权PPI网络。在建立好的动态加权PPI网络上，根据蛋白质网络的拓扑特性和生物属性，计算相互作用蛋白质对间的边缘聚类系数、基因本体相似度和皮尔逊相关系数。之后，得到一个重要性分数，最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明提高了关键蛋白质识别的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
Patent Agency Ranking
公开(公告)号：CN109686402A
公开(公告)日：2019-04-26
申请号：CN201811597170.7
申请日：2018-12-26
Applicant: 扬州大学
Abstract: 基于动态加权相互作用网络中关键蛋白质识别方法使用准则，计算蛋白质活动时间点和蛋白质活动概率，构建动态PPI网络，然后，根据蛋白质活动概率，计算蛋白质间相互作用权重，构建动态加权PPI网络。在建立好的动态加权PPI网络上，根据蛋白质网络的拓扑特性和生物属性，计算相互作用蛋白质对间的边缘聚类系数、基因本体相似度和皮尔逊相关系数。之后，得到一个重要性分数，最终按分值由大到小排列，输出分值对应的k个蛋白质即为最后结果。本发明提高了关键蛋白质识别的效率，扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN114067906A
公开(公告)日：2022-02-18
申请号：CN202111349828.4
申请日：2021-11-15
Applicant: 扬州大学
Abstract: 本发明公开了一种融合多源生物信息的关键蛋白质识别方法，包括如下步骤：输入PPI网络和基因表达数据、蛋白质生物功能的注释属性注释数据、亚细胞定位数据；根据静态PPI网络和蛋白质基因表达值数据集，利用3σ法则构建多个动态子网络；计算出节点的点边缘聚类系数值，计算出该节点与邻居节点之间的基因共表达值，计算出该节点的亚细胞定位得分值，最后求该节点与其邻居之间的亚细胞定位得分值之和；计算出该节点与邻居节点之间的注释值，最后求该节点与其所有邻居之间的共表达系数之和；将上述的属性值进行相加，得到蛋白质u的最终关键性得分值。本发明的识别方法，提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
公开(公告)号：CN113724787B
公开(公告)日：2024-05-03
申请号：CN202110856089.1
申请日：2021-07-28
Applicant: 扬州大学
Abstract: 本发明提供一种基于核心‑附件结构的蛋白质复合物识别方法，基于核心‑附件结构的蛋白质复合物识别方法使用核心‑附件（Core‑Attachment）的思想，先构建加权的动态PPI网络，随后在PPI网络中通过计算节点的相关属性找到种子节点，通过种子节点以及邻居节点从而形成蛋白质复合物的核心Core,接着为每个核心寻找合适的附件，最后删除一些重叠度较大的蛋白质复合物，得到最终预测的蛋白质复合物。该方法不但考虑了蛋白质相互作用网络的拓扑特征，同时也考虑了蛋白质的生物属性，进而克服数据噪声高所带来的负面影响。融合生物属性和拓扑特性提高了识别蛋白质复合物的准确性，同时使预测结果更加准确，提高了预测的效率。扩展了该技术在生物信息领域的应用范围和实用性。
-
公开(公告)号：CN114067906B
公开(公告)日：2024-04-05
申请号：CN202111349828.4
申请日：2021-11-15
Applicant: 扬州大学
Abstract: 本发明公开了一种融合多源生物信息的关键蛋白质识别方法，包括如下步骤：输入PPI网络和基因表达数据、蛋白质生物功能的注释属性注释数据、亚细胞定位数据；根据静态PPI网络和蛋白质基因表达值数据集，利用3σ法则构建多个动态子网络；计算出节点的点边缘聚类系数值，计算出该节点与邻居节点之间的基因共表达值，计算出该节点的亚细胞定位得分值，最后求该节点与其邻居之间的亚细胞定位得分值之和；计算出该节点与邻居节点之间的注释值，最后求该节点与其所有邻居之间的共表达系数之和；将上述的属性值进行相加，得到蛋白质u的最终关键性得分值。本发明的识别方法，提高了识别关键蛋白质的准确性，同时使预测结果更加准确，提高了预测的效率。
-
公开(公告)号：CN113724787A
公开(公告)日：2021-11-30
申请号：CN202110856089.1
申请日：2021-07-28
Applicant: 扬州大学
Abstract: 本发明提供一种基于核心‑附件结构的蛋白质复合物识别方法，基于核心‑附件结构的蛋白质复合物识别方法使用核心‑附件（Core‑Attachment）的思想，先构建加权的动态PPI网络，随后在PPI网络中通过计算节点的相关属性找到种子节点，通过种子节点以及邻居节点从而形成蛋白质复合物的核心Core,接着为每个核心寻找合适的附件，最后删除一些重叠度较大的蛋白质复合物，得到最终预测的蛋白质复合物。该方法不但考虑了蛋白质相互作用网络的拓扑特征，同时也考虑了蛋白质的生物属性，进而克服数据噪声高所带来的负面影响。融合生物属性和拓扑特性提高了识别蛋白质复合物的准确性，同时使预测结果更加准确，提高了预测的效率。扩展了该技术在生物信息领域的应用范围和实用性。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
