一种癌症蛋白质作用网络分析的方法

计算机与现代化 ›› 2013, Vol. 1 ›› Issue (11): 151-154.doi:

一种癌症蛋白质作用网络分析的方法

胡心宇，朱斐

苏州大学计算机科学与技术学院,江苏苏州215006

收稿日期:2013-07-02 修回日期:1900-01-01 出版日期:2013-11-19 发布日期:2013-11-19

A Method of Cancer Proteins Network Analysis

HU Xinyu， ZHU Fei

School of Computer Science and Technology, Soochow University, Suzhou 215006， China

Received:2013-07-02 Revised:1900-01-01 Online:2013-11-19 Published:2013-11-19

摘要/Abstract

摘要：

摘要：近年来大量的物种全基因组序列被测序出来，使得生物研究进入了后基因组时代，由单个的基因研究转入大规模的蛋白及功能领域的研究。蛋白质之间的相互作用作为最基本内容已经成为了研究的基础和重点。本文提出一种癌症蛋白质作用网络分析方法。本项目主要是开发一个系统，该系统能够从生物文本中提取出蛋白质的相关信息，进行蛋白质功能聚类，并构建蛋白质间相互作用的网络，用以预测癌症。



关键词: 关键词：癌症, 蛋白质, 网络, KEGG, 贝叶斯网络

Abstract:

Abstract: In recent years, a large number of species to be sequenced genome sequence out, that makes biological research into the postgenomic era, by a single largescale genetic research into proteins and functional areas of research. Protein to protein interactions as the basic content has become a research foundation and focus. We propose a role in cancer protein network analysis methods. This project is to develop a system that can extract text from a biological protein associated information, and clustering for protein function and proteinprotein interaction network constructed to predict cancer.

Key words: Key words: cancer, protein, network, KEGG, Bayesian network

胡心宇;朱斐. 一种癌症蛋白质作用网络分析的方法[J]. 计算机与现代化, 2013, 1(11): 151-154.

HU Xinyu;ZHU Fei. A Method of Cancer Proteins Network Analysis[J]. Computer and Modernization, 2013, 1(11): 151-154.

[1]	何思达, 陈平华. 基于意图的轻量级自注意力序列推荐模型[J]. 计算机与现代化, 2024, 0(12): 1-9.
[2]	王晓航1, 李永杰1, 余雷1, 范萧2. 一种利用复合事件概率运算解决负信息抑制最大化问题的方法[J]. 计算机与现代化, 2024, 0(12): 24-33.
[3]	张晓东1, 白广芝1, 李敏1, 李昊洋2. 基于经验小波变换的油气井产量预测模型 [J]. 计算机与现代化, 2024, 0(12): 53-58.
[4]	刘宝宝, 杨菁菁, 陶露, 王贺应. 基于注意力的DSMSC的遥感图像场景分类[J]. 计算机与现代化, 2024, 0(12): 72-77.
[5]	陈亮, 李诚, 易伟, 熊伟, 汪晓帆, 唐海东. 基于毫米波雷达与视觉融合的电力现场安全帽佩戴检测[J]. 计算机与现代化, 2024, 0(12): 100-107.
[6]	肖军弼, 邱艺. 基于状态感知数据平面的SDN故障检测与恢复方案[J]. 计算机与现代化, 2024, 0(12): 116-123.
[7]	龚谊承1, 2, 刘青1, 2. 基于RF-LCE-BiLSTM-Attention-AMSSA模型的京剧二分类[J]. 计算机与现代化, 2024, 0(11): 7-12.
[8]	李桃迎, 李蒙, 武梦乔. 基于异构时空图卷积网络的出租车客流预测[J]. 计算机与现代化, 2024, 0(11): 13-18.
[9]	张泰1, 闫子豪2, 段洁2, 张志鸿2. 基于命名数据网络的车联网信息转发策略[J]. 计算机与现代化, 2024, 0(11): 19-27.
[10]	刘行1, 2, 郭靓1, 2, 王正琦1, 2, 韦小刚1, 2, 徐雪菲1, 2, 刘京3. 基于Q学习的安全服务功能链编排算法[J]. 计算机与现代化, 2024, 0(11): 34-40.
[11]	李钧超1, 尤菲1, 张超2, 苏乐乐2, 龚龑2. 基于新型多目标浣熊优化算法的BiLSTM-Attention#br# 预测模型及误差分析[J]. 计算机与现代化, 2024, 0(11): 70-76.
[12]	张志霞, 秦志毅. 基于变分模态分解和IGJO-SVR的网络舆情预测[J]. 计算机与现代化, 2024, 0(11): 77-83.
[13]	杜猛俊1, 李昂1, 童俊1, 钱锦1, 康恺1, 王若丁1, 靳文星2. 基于改进极限学习算法的电力信息数据融合模型[J]. 计算机与现代化, 2024, 0(10): 61-64.
[14]	张惠楠1, 张强1, 孙红霞2. 基于改进时序胶囊网络的油藏生产动态分析模型[J]. 计算机与现代化, 2024, 0(09): 15-19.
[15]	候聪颖, 杨文清, 王召, 程聪. 基于时频自注意力残差时序卷积网络的语音增强[J]. 计算机与现代化, 2024, 0(09): 20-24.