ارائه روشی برای پیش بینی پیوند در شبکه های تعامل پروتئین-پروتئین با استفاده از تعبیه گراف

شناسایی پیوند بین پروتئینها در شناخت بیماری های ناشناخته و طراحی داروها نقش اساسی دارد . این پیوندها شبکه تعاملی پروتئین-پروتئین را شکل میدهند که نوعی از شبکه های پیچیده است که در آن گره ها پروتئین ها و یال ها تعاملات بین پروتئین ها را نمایش میدهند . در حال حاضر پیوندهای شناخته شده با استفاده از روش های پیش بینی پیوند، بخش کوچکی از کل ارتباط های بین پروتئینها را در بر میگیرند؛ از طرفی این روشها اغلب برای شبکه های پیچیده ارائه شده اند و ویژگی خاص شبکه های تعاملی پروتئین-پروتئین را در نظر نمیگیرند . در این مقاله یک روش پیشبینی پیوند با استفاده از تعبیه گراف و اطلاعات ساختاری شبکه های تعاملی پروتئین-پروتئین ارائه میشود که ویژگی خاص این شبکه ها را در نظر میگیرد . در ابتدا با ترکیب مجاورت مرتبه اول و سوم یک ماتریس احتمال انتقال به دست می آید، سپس از قدم زدن تصادفی برای تولید دنبال های از گره ها استفاده میشود و در نهایت این دنباله های به دست آمده به مدل Skip-Gram داده میشوند تا بردار ویژگی هر گره استخراج شده و برای پیش بینی پیوند از آنها استفاده شود. روش پیشنهادی بر روی دو مجموعه داده واقعی شبکه های تعاملی پروتئین ها مورد ارزیابی قرار گرفت. نتایج حاصل نشان دهنده بالا بودن کارایی و دقت روش پیشنهادی نسبت به روش های مورد مقایسه است.

کلیدواژه ها:

پیش بینی پیوند ، تعبیه گراف ، شبکه های تعاملی پروتئین-پروتئین ، اطلاعات ساختاری گراف