MCODE公司

在大型蛋白质相互作用网络中寻找分子复合物的自动化方法。结果:本文描述了一种新的图论聚类算法“分子复合物检测”(MCODE),它可以检测大分子蛋白质相互作用网络中可能代表分子复合物的密集连接区域。该方法基于局部邻域密度的顶点加权和从局部稠密种子蛋白向外遍历的方法,根据给定的参数分离出稠密区域。与其他图聚类方法相比,该算法具有一种有向模式的优势,该模式允许在不考虑网络其余部分的情况下对感兴趣的簇进行微调,并允许检查与蛋白质网络相关的簇互连性。蛋白质相互作用和复杂信息的酵母酿酒酵母用于评价。结论:仅根据连接性数据,可以发现蛋白质相互作用网络的密集区域,其中许多区域与已知的蛋白质复合物相对应。该算法不受高通量交互技术中已知的高误报率的影响。该程序可从ftp://ftp.mshri.on.ca/pub/BIND/Tools/MCODE获得。


zbMATH参考文献(45篇文章引用)

显示第1到第20个结果,共45个。
按年份排序(引用)
  1. 非集团最大值问题
  2. Paul Balister;Bollobás,Béla;Sahasrabudhe,Julian;Veremyev,Alexander:随机图中的稠密子图(2019)
  3. Rasti,Saeid;Vogiatzis,Chrysafis:蛋白质相互作用网络计算方法综述(2019)
  4. Wang,Jie;Liang,Jiye;Zheng,Wenping;Zhao,Xingwang;Mu,Junfang:基于多拓扑特征的PPI网络蛋白质复合物检测算法(2019)
  5. 阎婷;蒋斌彦;费恩伯格,斯蒂芬E.;冷,陈雷:有向网络模型中的协变量统计推断(2019)
  6. 于,杨;郑泽宇:基于多源信息加权PPI网络的蛋白质复合物识别(2019)
  7. Kawase,Yasushi;Miyauchi,Atsushi:具有凸/凹尺寸函数的最稠密子图问题(2018)
  8. Liu,Wei;Ma,Liang Yu;Jeon,Byengwoo;Chen,Ling;Chen,Bolun:蛋白质相互作用网络中基于网络层次结构的功能模块检测方法(2018)
  9. Li,Wenlong;Yan,Ting;Abd Elgawad,Mohamed;Qin,Hong:有序网络基于度的矩估计(2017)
  10. David Solymosi;Jozsef Solymosi:3均匀超图中的小核(2017)
  11. Wilson,James D.;Palowitch,John;Bhamidi,Shankar;Nobel,Andrew B.:具有异构社区结构的多层网络中的社区提取(2017)
  12. 赵洁;雷秀娟;吴方翔:基于ICSC的加权动态PPI网络中蛋白质复合物的预测(2017)
  13. Pajouh,Foad Mahdavi;Balasndaram,Balabhaskar;Hicks,Illya V.:关于图的2-俱乐部多面体(2016)
  14. Veremyev,Alexander;Prokopyev,Oleg A.;Butenko,Sergiy;Pasiliao,Eduardo L.:基于精确MIP的方法寻找最大拟团和稠密子图(2016)
  15. 阎婷;冷,陈磊;朱,季:二阶序列递增的有向指数随机图模型的渐近性(2016)
  16. Yong,Zhang;Chen,Siyu;Qin,Hong;Yan,Ting:具有递增二阶序列的有向加权随机图(2016)
  17. Žurauskienė,Justina;Kirk,Paul D.W.;Stumpf,Michael P.H.:数据融合的图论方法(2016)
  18. Scholtens,Denise M.;Spencer,Bruce D.:诱饵-猎物图中蛋白质复合物估计的节点抽样(2015年)
  19. Bickle,Allan:单矿图的度序列(2014)
  20. Liu,Qian;Chen,Yi Ping Phoebe;Li,Jinyan:(k)——蛋白质相互作用的部分团:用于PPI网络功能一致性分析的新子图拓扑(2014)