تشخیص جوامع در برهمکنش های پروتئین-پروتئین با ترکیب خوشه بند k-means و الگوریتم فراابتکاری شاهین هریس

شناسایی سطح ارتباط بین پروتئین ها در شناخت بیماری های ناشناخته و طراحی داروها نقش اساسی دارد. این فرآیند در شبکه های تعاملی پروتئین- پروتئین صورت میگیرد که نوعی از شبکه های پیچیده است که در آن گره ها پروتئین ها و یال ها تعاملات بین پروتئین می باشند. یکی از روش های کارا در این حیطه استفاده از روش های مبتنی بر یادگیری غیرنظارتی می باشد و اجتماع یابی که اساس آن بررسی سطح تعامل بین اجزای هر جامعه به عنوان یال گره ها است و به نسبت خوشه بندی که بر بررسی ویژگی گره ها متمرکز است مزیت هایی دارد، به عنوان روش مورد بررسی انتخاب شده است. در این پژوهش ابتدا مدلسازی سطح تعامل پروتئین P۵۳ با سایر پروتئین ها انجام شده و سپس از طریق اجتماع یابی بوسیله ی ترکیب الگوریتم فراابتکاری شاهین هریس و خوشه بند k-means جوامع مورد نظر تشخیص داده می شوند. اهمیت تشخیص سطح تعامل پروتئین p۵۳ با سایرین در این است که این پروتئین به عنوان سرکوب گر تومورهای سرطانی شناخته شده و از ابتلا به این بیماری در بدن جلوگیری می کند. روش پیشنهادی با میزان NMI برابر با ۰.۸۲ در مقابل خوشه بند k-means که ۰.۳۹ بود دقت به مراتب بهتری را از خود نشان داد.

کلیدواژه ها:

الگوریتم فراابتکاری شاهین ، تشخیص جوامع ، تعاملات پروتئین-پروتئین ، خوشه بند k-means ، یادگیری ماشین