復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)模型與算法及其在生物網(wǎng)絡(luò)中的應(yīng)用.pdf

1、自然界中許多復(fù)雜系統(tǒng),如生物分子系統(tǒng)、耦合系統(tǒng)等,皆可抽象成復(fù)雜網(wǎng)絡(luò)。信息技術(shù)的迅速發(fā)展使得收集和研究海量的網(wǎng)絡(luò)數(shù)據(jù)成為可能。隨著真實(shí)網(wǎng)絡(luò)數(shù)據(jù)的大量涌現(xiàn),通過分析網(wǎng)絡(luò)的統(tǒng)計(jì)性質(zhì),研宄網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)與功能成為了眾多學(xué)科的研究熱點(diǎn)。目前從整體上分析復(fù)雜網(wǎng)絡(luò)不可行,研究人員將大型網(wǎng)絡(luò)分解成小規(guī)模子網(wǎng)絡(luò),通過對子網(wǎng)絡(luò)的研究來理解、推導(dǎo)網(wǎng)絡(luò)的整體結(jié)構(gòu)與行為特性。與著名的小世界與無標(biāo)度特征一樣,社團(tuán)結(jié)構(gòu)特性被公認(rèn)為是復(fù)雜網(wǎng)絡(luò)中最重要的統(tǒng)計(jì)屬性之一。社

2、團(tuán)結(jié)構(gòu)的研究有助于揭示與理解生命體內(nèi)基因結(jié)構(gòu)與功能關(guān)系、設(shè)計(jì)商業(yè)營銷策略、維護(hù)國家安全等。
　　因此,以復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)為研宄對象,完善社團(tuán)結(jié)構(gòu)模型理論,設(shè)計(jì)社團(tuán)結(jié)構(gòu)檢測算法,拓展社團(tuán)結(jié)構(gòu)在生物網(wǎng)絡(luò)中的應(yīng)用,就成為本文的主要研究內(nèi)容。具體而言,本文開展以下工作并作出相應(yīng)的貢獻(xiàn):
　　1.針對社團(tuán)結(jié)構(gòu)量化問題,提出一種泛化模塊密度模型,其包含除模塊度函數(shù)之外的所有測度,為研宄社團(tuán)結(jié)構(gòu)度量標(biāo)準(zhǔn)提供統(tǒng)一的平臺(tái)。并且證明該模型可容忍

3、分辨極限問題。最后證明優(yōu)化泛化模塊密度函數(shù)與加權(quán)核K-均值、非負(fù)矩陣分解和譜算法的目標(biāo)函數(shù)是等價(jià)的。
　　2.由于社團(tuán)結(jié)構(gòu)的拓?fù)鋸?fù)雜性,單一的拓?fù)浞绞讲蛔阋匀婵坍嬌鐖F(tuán)結(jié)構(gòu)?；诎氡O(jiān)督非負(fù)矩陣分解算法與模塊密度之間的等價(jià)關(guān)系,提出一種基于半監(jiān)督策略的非負(fù)矩陣分解算法,該方法融合非負(fù)矩陣分解與半監(jiān)督策略。與傳統(tǒng)算法對比,該方法可同時(shí)利用多種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)相似性,具有更高的準(zhǔn)確性與可靠性。
　　3.同時(shí)檢測分層、重疊社團(tuán)結(jié)構(gòu)對理解

4、網(wǎng)絡(luò)結(jié)構(gòu)、動(dòng)態(tài)行為分析有著極其重要的意義。為了克服譜性質(zhì)的局限性,提出一種特征空間譜算法。首先證明網(wǎng)絡(luò)中節(jié)點(diǎn)間的通信性可用網(wǎng)絡(luò)的特征空間線性表出,奠定算法的理論基礎(chǔ),再利用分層聚類算法提取分層社團(tuán)結(jié)構(gòu),利用短回路條數(shù)來識(shí)別重疊社團(tuán)。與傳統(tǒng)譜聚類相比,該方法在不增加時(shí)間復(fù)雜度的情況下大幅度提高算法的準(zhǔn)確性,并且可同時(shí)檢測分層、重疊的社團(tuán)結(jié)構(gòu)。
　　4.譜聚類因具有易實(shí)現(xiàn)、高準(zhǔn)確性、矩陣?yán)碚撝蔚忍攸c(diǎn)而備受關(guān)注,但譜算法的三次方時(shí)間復(fù)

5、雜度使其無法應(yīng)用于大型網(wǎng)絡(luò)。因此,對譜聚類算法進(jìn)行有效加速是一個(gè)非常有現(xiàn)實(shí)意義的問題。針對該問題,提出一種社團(tuán)結(jié)構(gòu)的半監(jiān)督譜聚類算法,該方法利用半監(jiān)督先驗(yàn)知識(shí)來引導(dǎo)譜聚類算法,通過擴(kuò)大最大與次大特征值之差來加速譜聚類算法。同時(shí)對非傳統(tǒng)譜聚類進(jìn)行綜合性對比。
　　5.生物網(wǎng)絡(luò)中社團(tuán)結(jié)構(gòu)對應(yīng)具有特定生物功能的復(fù)合體或代謝路徑。提出兩種復(fù)合體檢測算法:首先利用復(fù)合體拓?fù)浣Y(jié)構(gòu),將復(fù)合體預(yù)測問題轉(zhuǎn)化為經(jīng)典的全團(tuán)問題,進(jìn)而提出一種基于圖通信性

6、的核-附屬結(jié)構(gòu)復(fù)合體檢測算法;其次分析生物網(wǎng)絡(luò)中的社會(huì)行為特性,驗(yàn)證弱連接與拓?fù)湎嗨菩灾g存在負(fù)相關(guān)性,繼而定義基于橋的拓?fù)湎嗨菩?并設(shè)計(jì)算法提取蛋白質(zhì)復(fù)合體。
　　6.挖掘致病模塊的動(dòng)態(tài)行為對理解與治療復(fù)雜疾病具有重要的意義。以乳腺癌為研宄對象,提取與分析乳腺癌致病代謝路徑的動(dòng)態(tài)行為。首先針對乳腺癌不同周期構(gòu)建時(shí)序網(wǎng)絡(luò)。將時(shí)序網(wǎng)絡(luò)動(dòng)態(tài)模塊提取問題轉(zhuǎn)化為最小化熵問題,并且設(shè)計(jì)出快速的啟發(fā)式算法挖掘時(shí)序網(wǎng)絡(luò)中的模塊。結(jié)果表明:1)動(dòng)