MiMod: A New Algorithm for Mining Biological Network Modules
MiMod: A New Algorithm for Mining Biological Network Modules
复制标题
MiMod：一种挖掘生物网络模块的新算法
DOI：
10.1109/access.2019.2909946
复制
发表时间：
2019-04
期刊：
影响因子：
3.9
通讯作者：
Li Guojun
中科院分区：
文献类型：
--
作者：
Li Yang;Liu Bingqiang;Li Jing;Li Guojun
从多个网络中发现频繁的网络模块至关重要，因为它们服务于基因共表达模块、生物途径或蛋白质复合物。生物网络数据的快速积累使得频繁的网络模块被发现。在过去的几年里，已经开发了许多用于发现频繁网络模块的算法，但大多数算法在准确性和效率方面的表现并不一致。因此，有必要开发能够有效且高效地提取重要模块的新算法。我们引入了 MiMod，一种用于挖掘频繁网络模块的鲁棒算法，其基础是通过引入所谓的兼容图（其边权重反映局部子网的频繁程度）来增强对挖掘频繁网络模块的敏感性。 MiMod 对来自 GEO 的 43 个基因共表达网络和来自 SNAP 的 13 个组织特异性蛋白质相互作用网络进行了测试，分别发现了 4805 个和 485 个被其他模块遗漏的生物学上重要且频繁的模块。此外，我们发现网络模块具有生物学意义的可能性随着其密度和频率的增加而增加。此外，我们还在蛋白质复杂网络的模块中发现了高度合作的关系，从而证明了从多个网络中揭示频繁模块的必要性。
It is fundamental to discover frequent network modules from multiple networks as they serve gene co-expression modules, biological pathways, or protein complexes. The rapid accumulation of biological network data has enabled the discovery of frequent network modules. There have been a number of algorithms developed for the discovery of frequent network modules in the past years, but most of them do not perform consistently well evaluated by accuracy and efficiency. Therefore, it is essential to develop new algorithms capable of effectively and efficiently extracting the significant modules. We introduce MiMod, a robust algorithm for mining the frequent network modules based on enhancing the sensitivity to mine frequent network modules via introducing a so-called compatible graph with edge weight reflecting frequent degree of local subnetworks. Tested on 43 gene co-expression networks from GEO and 13 tissue-specific protein interaction networks from SNAP, the MiMod, respectively, discovered 4805 and 485 biologically important and frequent modules that are missed by others. In addition, we found that the likelihood for a network module to be biologically meaningful increases with its density and frequency. Moreover, we also found highly cooperative relationships in the modules of protein complex networks, thus demonstrating the necessity of revealing frequent modules from multiple networks.
登录
查看更多内容
影响因子：
7
作者：
Lee, HK;Hsu, AK;Pavlidis, P
通讯作者：
Pavlidis, P
影响因子：
5.4
作者：
Dong, Xiaowen;Frossard, Pascal;Nefedov, Nikolai
通讯作者：
Nefedov, Nikolai
影响因子：
5.8
作者：
Guangchuang Yu
通讯作者：
Guangchuang Yu
影响因子：
12.3
作者：
Yan KK;Wang D;Rozowsky J;Zheng H;Cheng C;Gerstein M
通讯作者：
Gerstein M
影响因子：
4.8
作者：
K. Gouda;Mohammed J. Zaki
通讯作者：
K. Gouda;Mohammed J. Zaki