·706 智能系统学报 第11卷 检测算法检测到的模块238与模块76的拓扑结 出模块个数大于2的模块，最终检测结果如表1 构图。 所示。 表1不同方法划分的模块个数及最大、最小模块 Table 1 The number of modules and the size of maximal and minimal module by different approaches 模块检测算法模块个数最小模块 最大模块 K-Means 266 3 8122 IncreK-means 277 3 8157 NMF 301 3 307 IncreNMF 300 3 328 从表1可以观察到K-Means算法容易产生比较 大的模块，其蛋白质的规模约占整个网络的56%， (a)模块238 一般来说这种规模比较大的模块对蛋白质的生物功 能分析意义不是很大，而且模块个数在10以下的模 块占所有模块的27%左右：而NMF算法检测到的最 大模块的规模只占PPI网络的2.28%，而且模块规 模小于10的模块占所有模块的比率只有10%，更容 易检测到相对规模较中等的模块，更容易获得比较 统一的生物功能。 基因本体联合建立了一套适用于不同物种的语 义词汇标准，该标准对蛋白质功能等方面进行限定 及描述，该标准能够随着研究的深入和时间的发展 而不断完善。G0)术语就是这个不断增长完善的 (b)模块76 语义词汇标准的数据库，主要对基因和蛋白质进行 图2模块238和模块76的拓扑结构 注释并且进一步阐明了蛋白质和用于定义它们的 Fig.2 The topological structure of module 238 and G0术语之间的关系。G0术语是生物过程(biologi-- module 76 cal process,BP)、细胞组件(cellular component,CC) 图2中节点的名字就是PPI中蛋白质在NCBI 和分子功能(molecular function,MF)。每个种类都 中对应的名字，这个名字是唯一的，本文中就是根据 是一种树形结构，我们总共抽取了40848条G0术 这个名字将从Sring9数据中抽取到的PPI同蛋白质 语，其中生物过程有26958条、细胞组件有3653 复合体数据融合到了一起。可以看出检测到的模块 条、分子功能包括10697条。 在内部的连接比较紧密。接下来对使用算法1检测 根据式(6)对每个模块根据G0术语的3个种 到的拓扑模块进行生物学意义上的分析。 类分别进行了富集分析，也就是为每一个蛋白质拓 2.3模块的富集分析及同质性分析 扑模块进行了p-value值的计算，然后选取最小的p I)GO术语和Pathway富集结果 value值对应的G0术语作为该模块的生物功能描 对原始的PPI网络和通过融合蛋白质复合体之 述，从而确定该模块中的生物功能。 后的新网络分别进行模块检测，然后对这些模块进 为了方便比较融合蛋白质复合体数据后检测到 行富集分析。为了更好地反应模块的富集结果及同 的模块与原始PPI网络检测到的模块之间的G0术 质性，只考虑个数多于2的模块，因为个数为2的模 语富集情况，分别使用G0术语的3个类别对应的 块就只包含一条边，容易对富集结果产生噪声。通 所有的GO术语，使用K-Means和NMF两种算法对 过对原始的PPI网络和融合蛋白质复合体的网络分 原始PPI网络和融合了蛋白质复合体的PPI网络划 别使用K-Means和NMF对其进行模块划分，并筛选 分的模块进行了富集分析，然后对比分析结果。实检测算法检测到的模块 ２３８ 与模块 ７６ 的拓扑结 构图。 图 ２ 模块 ２３８ 和模块 ７６ 的拓扑结构 Ｆｉｇ． ２ Ｔｈｅ ｔｏｐｏｌｏｇｉｃａｌ ｓｔｒｕｃｔｕｒｅ ｏｆ ｍｏｄｕｌｅ ２３８ ａｎｄ ｍｏｄｕｌｅ ７６ 图 ２ 中节点的名字就是 ＰＰＩ 中蛋白质在 ＮＣＢＩ 中对应的名字，这个名字是唯一的，本文中就是根据 这个名字将从 Ｓｒｉｎｇ９ 数据中抽取到的 ＰＰＩ 同蛋白质 复合体数据融合到了一起。 可以看出检测到的模块 在内部的连接比较紧密。 接下来对使用算法 １ 检测 到的拓扑模块进行生物学意义上的分析。 ２．３ 模块的富集分析及同质性分析 １）ＧＯ 术语和 Ｐａｔｈｗａｙ 富集结果 对原始的 ＰＰＩ 网络和通过融合蛋白质复合体之 后的新网络分别进行模块检测，然后对这些模块进 行富集分析。 为了更好地反应模块的富集结果及同 质性，只考虑个数多于 ２ 的模块，因为个数为 ２ 的模 块就只包含一条边，容易对富集结果产生噪声。 通 过对原始的 ＰＰＩ 网络和融合蛋白质复合体的网络分 别使用 Ｋ⁃Ｍｅａｎｓ 和 ＮＭＦ 对其进行模块划分，并筛选 出模块个数大于 ２ 的模块，最终检测结果如表 １ 所示。 表 １ 不同方法划分的模块个数及最大、最小模块 Ｔａｂｌｅ １ Ｔｈｅ ｎｕｍｂｅｒ ｏｆ ｍｏｄｕｌｅｓ ａｎｄ ｔｈｅ ｓｉｚｅ ｏｆ ｍａｘｉｍａｌ ａｎｄ ｍｉｎｉｍａｌ ｍｏｄｕｌｅ ｂｙ ｄｉｆｆｅｒｅｎｔ ａｐｐｒｏａｃｈｅｓ 模块检测算法 模块个数 最小模块 最大模块 Ｋ⁃Ｍｅａｎｓ ２６６ ３ ８ １２２ ＩｎｃｒｅＫ⁃ｍｅａｎｓ ２７７ ３ ８ １５７ ＮＭＦ ３０１ ３ ３０７ ＩｎｃｒｅＮＭＦ ３００ ３ ３２８ 从表 １ 可以观察到 Ｋ⁃Ｍｅａｎｓ 算法容易产生比较 大的模块，其蛋白质的规模约占整个网络的 ５６％， 一般来说这种规模比较大的模块对蛋白质的生物功 能分析意义不是很大，而且模块个数在 １０ 以下的模 块占所有模块的 ２７％左右；而 ＮＭＦ 算法检测到的最 大模块的规模只占 ＰＰＩ 网络的 ２．２８％，而且模块规 模小于 １０ 的模块占所有模块的比率只有 １０％，更容 易检测到相对规模较中等的模块，更容易获得比较 统一的生物功能。 基因本体联合建立了一套适用于不同物种的语 义词汇标准，该标准对蛋白质功能等方面进行限定 及描述，该标准能够随着研究的深入和时间的发展 而不断完善。 ＧＯ ［１２］术语就是这个不断增长完善的 语义词汇标准的数据库，主要对基因和蛋白质进行 注释并且进一步阐明了蛋白质和用于定义它们的 ＧＯ 术语之间的关系。 ＧＯ 术语是生物过程（ ｂｉｏｌｏｇｉ⁃ ｃａｌ ｐｒｏｃｅｓｓ，ＢＰ）、细胞组件（ ｃｅｌｌｕｌａｒ ｃｏｍｐｏｎｅｎｔ，ＣＣ） 和分子功能（ｍｏｌｅｃｕｌａｒ ｆｕｎｃｔｉｏｎ，ＭＦ）。 每个种类都 是一种树形结构，我们总共抽取了 ４０ ８４８ 条 ＧＯ 术 语，其中生物过程有 ２６ ９５８ 条、细胞组件有 ３ ６５３ 条、分子功能包括 １０ ６９７ 条。 根据式（６）对每个模块根据 ＧＯ 术语的 ３ 个种 类分别进行了富集分析，也就是为每一个蛋白质拓 扑模块进行了 ｐ⁃ｖａｌｕｅ 值的计算，然后选取最小的 ｐ⁃ ｖａｌｕｅ 值对应的 ＧＯ 术语作为该模块的生物功能描 述，从而确定该模块中的生物功能。 为了方便比较融合蛋白质复合体数据后检测到 的模块与原始 ＰＰＩ 网络检测到的模块之间的 ＧＯ 术 语富集情况，分别使用 ＧＯ 术语的 ３ 个类别对应的 所有的 ＧＯ 术语，使用 Ｋ⁃Ｍｅａｎｓ 和 ＮＭＦ 两种算法对 原始 ＰＰＩ 网络和融合了蛋白质复合体的 ＰＰＩ 网络划 分的模块进行了富集分析，然后对比分析结果。 实 ·７０６· 智 能 系 统 学 报 第 １１ 卷