识别关键蛋白质的八种方法的介绍

1.前言

最近在实现一篇比较新的论文的一个方法，发现这个论文里涉及了比较多的方法，恰好又都记在了Onenote上，就发出来。因为公式在wordpress上不太好农，就直接截了我在Oneonte上的图。（还有，大多是英文翻译过来的，本人英语也不是很好，有错误的地方见谅，欢迎捉虫。）

先介绍一下PPI网络的基本概念：

2.八种方法

    1.DC（Degree Centrality）

    2.BC(Betweenness Centrality)

   3.EC (Eigenvector Centrality)

翻译过来叫做：特征向量中心性

   4.LAC(Local Average connectivity Centrality)

翻译过来叫做；本地平均连接性

这里的诱导子图并没有什么复杂的作用，就只是为了从节点集 Nv 得出有相互关系的节点集合（Cv）然后处理，也就是图

   5.NC(Neighbourhood entrality )

   6.SC (Subgraph centraliy)

   7.LC(Laplacian Centrality)

   8.IDC(In-Degree Centrality of complex)

   9.

   10.

   11.OS (Orthologous Score)同源评分

   12.DOS

   13.SLC(subcellular localization score )亚细胞定位评分

   14.LBCC

   15.CoTB

这篇论文提出的新方法CoTB，该策略结合了、、BC、LC、IDC、SLS、和DOS。CoTB基于以下几点观点：

1.和是密度的两种类型，代表了PPI网络的局部性质。度量了节点v及其相邻结点集上诱导子图的密度。度量了结点v和与v距离小于等于2的结点集上诱导子图的密度。

2.BC表示PPI网络的全局属性。BC值越高的节点对网络传递的影响就更大

3.LC表示测量节点的重要性的全局属性和本地属性之间的中间属性。它提供了关于节点周围连接和密度的更多结构信息。

4.IDC是蛋白质复合物信息的另一个拓扑性质；并且已经证明，基本蛋白质更可能聚集在蛋白质复合物中。

5.SLS是蛋白质的一个内在特征，它代表了蛋白质在细胞中的位置与关键蛋白质之间的相关性

6.DOS也是蛋白质的一个固有属性，DOS值越大，它就越重要

为了使用这7个属性，我们使用机器学习随机森林方法。该方法使用weka软件包实现，生成的数设置为1000。然后，我们使用四个数据集中的三个作为训练集，剩下的一个作为测试集。最后，根据蛋白质必需的概率分数值，将蛋白质按降序排序，排名靠前(好像是5%)的可以判断为关键蛋白质

    关于WEKA软件包的使用，下一篇博客再写