The Wayback Machine - https://web.archive.org/web/20221028230415/https://baike.sogou.com/kexue/d10245.htm

GraphCrunch

编辑

GraphCrunch是一个全面的、可并行化的、易于扩展的开源软件工具,用于分析和建模大型生物网络(或图形);它将现实世界中的网络与一系列随机图形模型进行比较,这些模型涉及大量的本地和全局网络属性。[1]

1 动机编辑

实验生物学的最新技术进步已经产生了大量的生物网络数据。许多其他现实世界的现象也被描述为大型网络(也称为图),例如各种类型的社会和技术网络。因此,理解这些复杂的现象已经成为一个重要的科学问题,导致了网络建模和分析的深入研究。

理解生物网络的一个重要步骤是找到一个合适的网络模型。评估模型网络与数据的匹配度是一项艰巨的挑战,因为网络比较在计算上是不可行的,因此必须依赖启发式算法或“网络属性”GraphCrunch自动生成从一系列随机图形模型中抽取的随机网络,并根据各种全局和本地网络属性评估网络模型与现实世界网络的匹配度。

2 特征编辑

GraphCrunch执行以下任务:

1)计算输入现实世界网络的用户指定的全局和局部属性,

以现实世界网络为输入计算用户指定的全局和局部属性,

2)创建属于用户指定的随机图模型的用户指定数量的随机网络,

3)比较每个模型网络再现真实世界网络的一系列全局和局部属性(在上文第1点中指定)的紧密程度,以及

4)生成数据和模型网络之间网络属性相似性的统计数据。

3 GraphCrunch支持的网络模型编辑

GraphCrunch目前支持五种不同类型的随机图形模型:

  1. 埃尔德什-雷尼随机图;
  2. 与数据具有相同程度分布的随机图;
  3. 巴拉斯-艾伯特优先附着无标度网络;
  4. n维几何随机图(对于所有正整数n);
  5. 粘性模型网络。

4 GraphCrunch支持的网络属性编辑

GraphCrunch目前支持七种全局和本地网络属性:

  1. 度分布;
  2. 聚类系数;
  3. 谱聚类;
  4. 平均直径;
  5. 最短路径长度谱;
  6. 相对图基元频率距离;
  7. 图基元度分布协议。

5 安装和使用编辑

关于如何安装和运行GraphCrunch的说明可在http://www.ics.uci.edu/~bio-nets/graphcrunch/.获得。

6 应用程序编辑

GraphCrunch已经被用来为蛋白质-蛋白质相互作用网络,[2][3] 以及蛋白质结构网络找到一个最佳的网络模型。[3][4]

参考文献

  • [1]

    ^Tijana Milenković, Jason Lai, and Nataša Pržulj, GraphCrunch: a tool for large network analyses, BMC Bioinformatics 2008, 9:70. Highly accessed..

  • [2]

    ^Oleksii Kuchaiev, Tijana Milenković, Vesna Memisević, Wayne Hayes, and Nataša Pržulj, Topological network alignment uncovers biological function and phylogeny, Journal of the Royal Society Interface, 2010, to appear..

  • [3]

    ^Vesna Memisević, Tijana Milenković, and Nataša Pržulj, An integrative approach to modeling biological networks, Proceedings of the 6th International Symposium on Integrative Bioinformatics, 22–24 March 2010, Cambridge, United Kingdom. Journal of Integrative Bioinformatics, 2010, to appear..

  • [4]

    ^Tijana Milenković, Ioannis Filippis, Michael Lappe, and Nataša Pržulj, Optimized Null Model for Protein Structure Networks, 2009, PLoS ONE 4(6): e5967..

阅读 47
版本记录
  • 暂无