English

应用科学学报 ›› 2006, Vol. 24 ›› Issue (6): 588-592.

• 论文 • 上一篇    下一篇

图形聚类算法的代谢网络模块化分析

侯静1, 宋安平1, 王卓2, 张武1, 李园园3, 李亦学3   

  1. 1. 上海大学计算机工程与科学学院, 上海 200072;
    2. 上海交通大学生物医学仪器研究所, 上海 200030;
    3. 上海生物信息技术研究中心, 上海 200235
  • 收稿日期:2005-10-24 修回日期:2005-12-28 出版日期:2006-11-30 发布日期:2006-11-30
  • 通信作者: 张武,教授,博导,研究方向:生物信息学、高性能计算,E-mail:zhang@staff.shu.edu.cn;李亦学,教授,博导,研究方向:生物信息学、系统生物学,E-mail:yxli@sebit.org E-mail:yxli@sebit.org
  • 基金资助:
    国家"973"重点基础研究发展计划(2002CB713807,2004CB518606,2003CB715900);上海市科委重大基础(04DZ14003)资助项目

Modularization of Metabolic Network Based on Graph Clustering Algorithm

HOU Jing1, SONG An-ping1, WANG Zhuo2, ZHANG Wu1, LI Yuan-yuan3, LI Yi-xue3   

  1. 1. School of Computer Engineering and Science, Shanghai University, Shanghai 200072, China;
    2. Biomedical Instrument Institute, Shanghai Jiaotong University, Shanghai 200030, China;
    3. Shanghai Center for Bioinformatics Technology, Shanghai 200235, China
  • Received:2005-10-24 Revised:2005-12-28 Online:2006-11-30 Published:2006-11-30

PDF

72

被引次数

14

摘要： 代谢网络的研究是当今生物学研究中的新热点,使用图形聚类算法对代谢网络进行分析研究是一个有力的手段.文中提出了用图形聚类方法挖掘复杂代谢网络中蕴含的功能信息并进行模块相似性分析的方法,从系统生物学角度揭示光合作用的进化.介绍了马尔可夫聚类算法和模拟退火聚类算法两种图形聚类方法;给出了两种方法对叶绿体和蓝细菌的代谢网络进行聚类的结果;定义了模块相似度评价指标,挖掘叶绿体和蓝细菌间保守的功能模块,并对其网络结构进行了比较分析.

关键词: 马尔可夫聚类算法, 模块相似度, 代谢网络, 模拟退火聚类算法

Abstract: This paper proposes a new methodology to disclose the functional information of complex metabolic network based on graph clustering algorithms and modular structure comparison, and indicates photosynthesis evolution in view of systems biology.In addition, two graph clustering algorithms, the Markov clustering and simulated annealing clustering, are introduced.The corresponding clustering results of chloroplast and cyanobacteria are presented.A similarity measure is defined to find the conservative functional module between chloroplast and cyanobacteria, and the overall structure of modules is compared with the counterparts in different species.

Key words: metabolic network, simulated annealing clustering, module similarity, Markov clustering

中图分类号: