本發(fā)明屬于生物信息
技術(shù)領(lǐng)域：
。具體而言，本發(fā)明涉及對(duì)于疾病狀態(tài)下復(fù)雜生物分子網(wǎng)絡(luò)如蛋白質(zhì)相互作用網(wǎng)絡(luò)、基因表達(dá)調(diào)控網(wǎng)絡(luò)等，藥物干預(yù)對(duì)該網(wǎng)絡(luò)中模塊間關(guān)系的影響的評(píng)價(jià)方法。
背景技術(shù)：
：基因、蛋白、代謝產(chǎn)物等之間存在多種相互作用。使用圖論的方法表示，可以將這些基因、蛋白、代謝產(chǎn)物等分子各自視為單獨(dú)的點(diǎn)，它們之間的相互作用視為邊，形成了以點(diǎn)和邊為元素的生物分子網(wǎng)絡(luò)，而網(wǎng)絡(luò)中連接比較緊密的分子構(gòu)成的小集團(tuán)稱為模塊。隨著藥物的多靶點(diǎn)性得到越來(lái)越多的證據(jù)支持，將模塊作為藥物靶點(diǎn)的研究正逐漸用于藥物的研發(fā)及藥理機(jī)制闡發(fā)等多個(gè)領(lǐng)域。然而，生物分子網(wǎng)絡(luò)中的模塊并不是獨(dú)立存在的，而是互相聯(lián)系、協(xié)調(diào)發(fā)展的。將目光集中于局部，單獨(dú)研究每個(gè)模塊的功能，不適用于網(wǎng)絡(luò)全局的研究。特別是表型的變化不僅僅來(lái)源于生物分子網(wǎng)絡(luò)中關(guān)鍵模塊的變化，也可能由模塊間關(guān)系的協(xié)調(diào)性變化帶來(lái)。在系統(tǒng)科學(xué)的概念中，多個(gè)要素相互作用、相互補(bǔ)充、相互制約組成系統(tǒng)后，會(huì)出現(xiàn)系統(tǒng)組成前單個(gè)要素所不具有的性質(zhì)，稱為“整體涌現(xiàn)性”，即“整體大于部分之和”。這種涌現(xiàn)的現(xiàn)象，也體現(xiàn)在生物分子網(wǎng)絡(luò)中，因此模塊間協(xié)調(diào)性的變化也是疾病和藥物作用的重要靶點(diǎn)。然而，對(duì)于將模塊之間的關(guān)系作為藥物靶點(diǎn)進(jìn)行定量評(píng)價(jià)的研究方法仍較少。技術(shù)實(shí)現(xiàn)要素：針對(duì)上述技術(shù)問(wèn)題，本發(fā)明基于復(fù)雜網(wǎng)絡(luò)及模塊的拓?fù)浣Y(jié)構(gòu)特點(diǎn)，提出一種評(píng)價(jià)生物分子網(wǎng)絡(luò)中藥物對(duì)模塊間關(guān)系的影響的方法。如本文所用，術(shù)語(yǔ)“生物分子網(wǎng)絡(luò)”是指在生物系統(tǒng)中以不同組織形式存在的網(wǎng)絡(luò)，其由代表各種生物分子的節(jié)點(diǎn)與代表生物分子之間的相互作用關(guān)系的邊組成。常見(jiàn)的生物分子網(wǎng)絡(luò)包括基因轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)、基因共表達(dá)網(wǎng)絡(luò)、生物代謝網(wǎng)絡(luò)、表觀遺傳網(wǎng)絡(luò)、表型網(wǎng)絡(luò)、信號(hào)傳導(dǎo)網(wǎng)絡(luò)、蛋白質(zhì)相互作用網(wǎng)絡(luò)等。如本文所用，術(shù)語(yǔ)“模塊”是指生物分子網(wǎng)絡(luò)中由緊密連接的數(shù)個(gè)節(jié)點(diǎn)構(gòu)成的亞網(wǎng)絡(luò)結(jié)構(gòu)。如本文所用，術(shù)語(yǔ)“模塊網(wǎng)絡(luò)”是指由模塊之間相互連接形成的網(wǎng)絡(luò)，該網(wǎng)絡(luò)由代表模塊的節(jié)點(diǎn)與代表模塊間相互作用關(guān)系的邊構(gòu)成，反映模塊間聯(lián)系的整體布局。如本文所用，術(shù)語(yǔ)“網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)”是指網(wǎng)絡(luò)中由節(jié)點(diǎn)和邊構(gòu)成的布局和構(gòu)型，所述布局和構(gòu)型的各種定量指標(biāo)由拓?fù)鋮?shù)反映。如本文所用，術(shù)語(yǔ)“拓?fù)鋮?shù)”是指反映網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的布局和構(gòu)型的定量指標(biāo)，如網(wǎng)絡(luò)密度、平均鄰接節(jié)點(diǎn)數(shù)等。如本文所用，術(shù)語(yǔ)“模塊間直接聯(lián)系”是指網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，兩個(gè)不同模塊(形成一個(gè)模塊對(duì))直接通過(guò)彼此的一個(gè)或多個(gè)節(jié)點(diǎn)之間的邊連接，即兩個(gè)不同模塊之間的連接路徑為來(lái)自不同模塊的節(jié)點(diǎn)之間的邊，如圖1中的1A所示。如本文所用，模塊間直接聯(lián)系的緊密程度由術(shù)語(yǔ)“模塊間直接聯(lián)系參數(shù)”表示?！澳K間直接聯(lián)系參數(shù)”基于模塊間的邊的數(shù)量和權(quán)重計(jì)算并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到。如本文所用，術(shù)語(yǔ)“模塊間間接聯(lián)系”是指網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，兩個(gè)不同模塊(形成一個(gè)模塊對(duì))通過(guò)除該模塊內(nèi)節(jié)點(diǎn)之外的節(jié)點(diǎn)連接，即兩個(gè)不同模塊之間的連接路徑為來(lái)自不同模塊的節(jié)點(diǎn)與另外的節(jié)點(diǎn)(即中介節(jié)點(diǎn))之間的邊，如圖1中的1B所示。如本文所用，模塊間間接聯(lián)系的緊密程度由術(shù)語(yǔ)“模塊間間接聯(lián)系參數(shù)”表示?！澳K間間接聯(lián)系參數(shù)”基于由中介節(jié)點(diǎn)構(gòu)成的模塊間的路徑計(jì)算并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到。如本文所用，術(shù)語(yǔ)“模塊間協(xié)調(diào)系數(shù)”(Inter-modulecoordinatecoefficient，下文簡(jiǎn)稱“IMCC”)是用于綜合定量評(píng)價(jià)模塊間關(guān)系的參數(shù)，以反應(yīng)兩個(gè)不同模塊(形成一個(gè)模塊對(duì))之間的關(guān)系緊密程度。“模塊間協(xié)調(diào)系數(shù)”由“模塊間直接聯(lián)系參數(shù)”和“模塊間間接聯(lián)系參數(shù)”經(jīng)由加權(quán)求和或不加權(quán)求和得到。兩個(gè)模塊(形成一個(gè)模塊對(duì))之間IMCC越大，則該模塊對(duì)中兩個(gè)模塊之間的關(guān)系越緊密，反之亦然。如本文所用，術(shù)語(yǔ)“連接子”是指在模塊網(wǎng)絡(luò)中，對(duì)整個(gè)模塊網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的構(gòu)型具有重要作用的模塊，其中重要作用可以表現(xiàn)為介導(dǎo)其它模塊之間的連接、與其它模塊的連接程度緊密、對(duì)整個(gè)模塊網(wǎng)絡(luò)連接具有重要作用、構(gòu)成其它模塊之間連接的路徑等。如本文所用，術(shù)語(yǔ)“連接子離解率”(下文簡(jiǎn)稱“DR”)是指反映連接子(模塊)在經(jīng)過(guò)藥物干預(yù)后的離散程度的參數(shù)。本發(fā)明提供了一種評(píng)價(jià)生物分子網(wǎng)絡(luò)中藥物對(duì)模塊間關(guān)系的影響的方法。本發(fā)明的方法通過(guò)針對(duì)藥物干預(yù)前后的生物分子網(wǎng)絡(luò)分別進(jìn)行模塊的識(shí)別，對(duì)模塊間直接和間接聯(lián)系參數(shù)進(jìn)行計(jì)算、篩選、整合，獲得每組模塊中任意兩個(gè)模塊的模塊間協(xié)調(diào)系數(shù)，構(gòu)建模塊網(wǎng)絡(luò)，用于對(duì)比藥物干預(yù)前后的模塊網(wǎng)絡(luò)拓?fù)鋮?shù)，或用于識(shí)別藥物干預(yù)前后的模塊網(wǎng)絡(luò)連接子，計(jì)算連接子離解率，以綜合、定量地比較與分析在疾病狀態(tài)下藥物干預(yù)前后模塊間關(guān)系的整體和局部變化。本發(fā)明的實(shí)現(xiàn)流程見(jiàn)圖2，且可描述為：步驟1，對(duì)于疾病相關(guān)的藥物干預(yù)前后的復(fù)雜網(wǎng)絡(luò)進(jìn)行模塊的識(shí)別，模塊要求節(jié)點(diǎn)數(shù)目≥3；步驟2，對(duì)于獲得的藥物干預(yù)前后的兩組模塊，分別獲得每組模塊中任意兩個(gè)模塊的模塊間協(xié)調(diào)系數(shù)；步驟3，根據(jù)模塊間協(xié)調(diào)系數(shù)，構(gòu)建以模塊為單位的模塊網(wǎng)絡(luò)；步驟4.1，根據(jù)模塊網(wǎng)絡(luò)，計(jì)算疾病相關(guān)的藥物干預(yù)前后的模塊網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化綜合值，作為藥物對(duì)模塊間關(guān)系的整體影響；或者步驟4.2，針對(duì)模塊網(wǎng)絡(luò)，識(shí)別對(duì)模塊網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)具有主要影響的連接子(模塊)，計(jì)算連接子離解率，識(shí)別藥物對(duì)模塊間關(guān)系的局部影響。具體地，本發(fā)明提供一種評(píng)價(jià)生物分子網(wǎng)絡(luò)中藥物對(duì)模塊間關(guān)系的影響的方法，所述方法包括以下步驟：(1)以節(jié)點(diǎn)數(shù)目≥3為標(biāo)準(zhǔn)，分別對(duì)于疾病相關(guān)的藥物干預(yù)前的生物分子網(wǎng)絡(luò)和藥物干預(yù)后的生物分子網(wǎng)絡(luò)進(jìn)行模塊的識(shí)別，以獲得藥物干預(yù)前的生物分子網(wǎng)絡(luò)的一組模塊和藥物干預(yù)后的生物分子網(wǎng)絡(luò)的一組模塊；(2)對(duì)于步驟(1)獲得的兩組模塊，分別獲得每組模塊中任意兩個(gè)模塊的模塊間協(xié)調(diào)系數(shù)；(3)，基于步驟(2)獲得的模塊間協(xié)調(diào)系數(shù)，分別構(gòu)建以模塊為單位的模塊網(wǎng)絡(luò)，以獲得藥物干預(yù)前的模塊網(wǎng)絡(luò)和藥物干預(yù)后的模塊網(wǎng)絡(luò)；和(4-1)針對(duì)步驟(3)獲得的兩個(gè)模塊網(wǎng)絡(luò)，以一個(gè)或多個(gè)拓?fù)鋮?shù)計(jì)算藥物干預(yù)前后模塊網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化；或者(4-2)針對(duì)步驟(3)獲得的兩個(gè)模塊網(wǎng)絡(luò)，通過(guò)度量模塊重要性的方法識(shí)別連接子，計(jì)算連接子離解率。在本發(fā)明方法的步驟(1)中，優(yōu)選地，生物分子網(wǎng)絡(luò)為蛋白質(zhì)相互作用網(wǎng)絡(luò)、基因共表達(dá)網(wǎng)絡(luò)、基因轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)、生物代謝網(wǎng)絡(luò)、表觀遺傳網(wǎng)絡(luò)、表型網(wǎng)絡(luò)、信號(hào)傳導(dǎo)網(wǎng)絡(luò)等。更優(yōu)選地，所述生物分子網(wǎng)絡(luò)中的生物分子為基因和/或蛋白；優(yōu)選地，所述生物分子網(wǎng)絡(luò)為蛋白質(zhì)相互作用網(wǎng)絡(luò)、基因共表達(dá)網(wǎng)絡(luò)、基因轉(zhuǎn)錄調(diào)控網(wǎng)絡(luò)或信號(hào)傳導(dǎo)網(wǎng)絡(luò)。更優(yōu)選地，所述生物分子網(wǎng)絡(luò)為蛋白質(zhì)相互作用網(wǎng)絡(luò)或基因共表達(dá)網(wǎng)絡(luò)。優(yōu)選地，所述生物分子網(wǎng)絡(luò)由50-10000個(gè)節(jié)點(diǎn)和100-100000條邊組成；優(yōu)選由100-8000個(gè)節(jié)點(diǎn)和500-80000條邊組成；更優(yōu)選由300-5000個(gè)節(jié)點(diǎn)和1000-50000條邊組成。優(yōu)選地，通過(guò)聚類、啟發(fā)式算法或基于先驗(yàn)知識(shí)的方法進(jìn)行模塊的識(shí)別。在本發(fā)明方法的步驟(2)中，優(yōu)選地，所述模塊間協(xié)調(diào)系數(shù)通過(guò)模塊間直接聯(lián)系參數(shù)和模塊間間接聯(lián)系參數(shù)的加權(quán)求和計(jì)算得到，計(jì)算公式為：IMCC＝α.DC+β.IDC(I)上式(I)中，DC代表模塊間直接聯(lián)系參數(shù)，IDC代表模塊間間接聯(lián)系參數(shù)，α和β分別為DC和IDC的加權(quán)系數(shù)。其中，DC基于模塊間的邊的數(shù)量和權(quán)重計(jì)算并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到；優(yōu)選地，通過(guò)計(jì)算模塊間邊的權(quán)重和、模塊間邊的數(shù)目或模塊間邊的權(quán)重的平均值并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到DC。IDC基于由中介節(jié)點(diǎn)構(gòu)成的模塊間的路徑計(jì)算并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到；優(yōu)選地，通過(guò)計(jì)算一致性得分(CT)或路徑強(qiáng)度(SP)或模塊間重疊節(jié)點(diǎn)數(shù)量并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到IDC。根據(jù)本發(fā)明的具體實(shí)施方式，一致性得分(CT)采用Jeh-TingHsu,Chien-HuaPeng,Wen-PingHsieh等人的公式(Anovelmethodtoidentifycooperativefunctionalmodules:studyofmodulecoordinationintheSaccharomycescerevisiaecellcycle.BMCBioinformatics2011,12:281)進(jìn)行計(jì)算：上式(II)中，Mx和My是每組模塊中任意兩個(gè)模塊，i是節(jié)點(diǎn)，G是包含整個(gè)網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的集合，C是G中所有的節(jié)點(diǎn)的數(shù)量，CLi是G中任一節(jié)點(diǎn)i的總度數(shù)，Wi是節(jié)點(diǎn)i的所有加權(quán)度，S和T分別是模塊Mx和My內(nèi)節(jié)點(diǎn)的數(shù)量，CMx,i和CMy,i分別是節(jié)點(diǎn)i和模塊Mx和My連接的數(shù)量。根據(jù)本發(fā)明的具體實(shí)施方式，路徑強(qiáng)度(SP)采用以下公式進(jìn)行計(jì)算：上式(III)中，Mx和My是每組模塊中任意兩個(gè)模塊，模塊Mx和My之間的路徑強(qiáng)度定義為由中介節(jié)點(diǎn)m(mediation)介導(dǎo)而形成路徑的加權(quán)概率。此路徑由模塊Mx中的節(jié)點(diǎn)o(outset)和模塊My中的節(jié)點(diǎn)e(end)，以及中介節(jié)點(diǎn)m(mediation)構(gòu)成，即o-m-e。Wm,o和Wm,e分別是節(jié)點(diǎn)m到節(jié)點(diǎn)o和節(jié)點(diǎn)e的權(quán)重，Wm是節(jié)點(diǎn)m加權(quán)度。路徑強(qiáng)度是經(jīng)這一路徑形成的概率校正過(guò)的路徑的權(quán)重。優(yōu)選地，加權(quán)系數(shù)α和β通過(guò)如下方式確定：以α+β＝1為標(biāo)準(zhǔn)，以二者分別5-20個(gè)不同取值計(jì)算相應(yīng)的IMCC值(即得到5-20個(gè)IMCC值)，而后分別將這5-20個(gè)IMCC值與生物學(xué)數(shù)據(jù)庫(kù)(KEGG或GeneOntology)中的模塊分類進(jìn)行數(shù)據(jù)擬合，選擇擬合度最高的α和β值。或者，在步驟(2)中，所述模塊間協(xié)調(diào)系數(shù)通過(guò)模塊間直接聯(lián)系參數(shù)和模塊間間接聯(lián)系參數(shù)的不加權(quán)求和計(jì)算得到，計(jì)算公式為：IMCC＝DC+IDC(IV)上式(IV)中，DC代表模塊間直接聯(lián)系參數(shù)，IDC代表模塊間間接聯(lián)系參數(shù)；其中，DC基于模塊間的邊的數(shù)量和權(quán)重計(jì)算并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到；優(yōu)選地，通過(guò)計(jì)算模塊間邊的權(quán)重和、模塊間邊的數(shù)目或模塊間邊的權(quán)重的平均值并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到DC；其中IDC基于由中介節(jié)點(diǎn)構(gòu)成的模塊間的路徑計(jì)算并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到；優(yōu)選地，通過(guò)計(jì)算一致性得分(CT)或路徑強(qiáng)度(SP)或模塊間重疊節(jié)點(diǎn)數(shù)量并經(jīng)超幾何分布檢驗(yàn)和/或介值法篩選得到IDC。在本發(fā)明方法的步驟(3)中，優(yōu)選地，通過(guò)以下方式構(gòu)建模塊網(wǎng)絡(luò)：以每個(gè)模塊為節(jié)點(diǎn)，以任意兩個(gè)模塊之間的IMCC值作為兩個(gè)模塊之間的邊，構(gòu)建模塊網(wǎng)絡(luò)。在本發(fā)明方法的步驟(4-1)中，優(yōu)選地，所述拓?fù)鋮?shù)為基于邊權(quán)重的拓?fù)鋮?shù)、基于拓?fù)錁?gòu)型的拓?fù)鋮?shù)和基于邊數(shù)量的拓?fù)鋮?shù)中的至少一種；優(yōu)選地，所述拓?fù)鋮?shù)為選自表1中的一種或多種；更優(yōu)選地，采用包括網(wǎng)絡(luò)中心性和平均權(quán)重的至少3種拓?fù)鋮?shù)。表1拓?fù)鋮?shù)拓?fù)鋮?shù)名稱英文分類網(wǎng)絡(luò)密度Networkdensity基于邊數(shù)量網(wǎng)絡(luò)中心性Networkcentrality基于拓?fù)錁?gòu)型平均權(quán)重Averageweight基于邊權(quán)重特征路徑長(zhǎng)度Characteristicpathlength基于邊數(shù)量平均鄰接節(jié)點(diǎn)數(shù)Averageneighborhood基于邊數(shù)量網(wǎng)絡(luò)直徑Networkdiameter基于邊數(shù)量聚類系數(shù)Clustercoefficient基于邊數(shù)量平均介數(shù)中心性Averagebetweenness基于邊數(shù)量根據(jù)本發(fā)明的具體實(shí)施方式，可以采用網(wǎng)絡(luò)密度、網(wǎng)絡(luò)中心性和平均權(quán)重的組合計(jì)算藥物干預(yù)前后模塊網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化。在本發(fā)明方法的步驟(4-2)中，優(yōu)選地，所述度量模塊重要性的方法為選自表2中的一種或多種。表2度量模塊重要性的方法在表2中，介數(shù)中心性參見(jiàn)YuH,KimPM,SprecherE,TrifonovV,GersteinM(2007)Theimportanceofbottlenecksinproteinnetworks:Correlationwithgeneessentialityandexpressiondynamics.PLoSComputBiol3(4):e59.。基于邊權(quán)重分布識(shí)別連接子，是指通過(guò)將所有模塊間邊根據(jù)權(quán)重進(jìn)行頻數(shù)分布，識(shí)別邊權(quán)重最大的模塊對(duì)，將其視為連接子。度分布參見(jiàn)YuH,KimPM,SprecherE,TrifonovV,GersteinM(2007)Theimportanceofbottlenecksinproteinnetworks:Correlationwithgeneessentialityandexpressiondynamics.PLoSComputBiol3(4):e59。中心性度量參見(jiàn)WangY,DiZ,FanY(2011)IdentifyingandCharacterizingNodesImportanttoCommunityStructureUsingtheSpectrumoftheGraph.PLoSONE6(11):e27418。信息流分析參見(jiàn)MissiuroPV,LiuK,ZouL,RossBC,ZhaoG,etal.(2009)InformationFlowAnalysisofInteractomeNetworks.PLoSComputBiol5(4):e1000350。瓶頸識(shí)別參見(jiàn)YuH,KimPM,SprecherE,TrifonovV,GersteinM(2007)Theimportanceofbottlenecksinproteinnetworks:Correlationwithgeneessentialityandexpressiondynamics.PLoSComputBiol3(4):e59。優(yōu)選地，所述步驟(4-2)中的連接子離解率通過(guò)以下公式計(jì)算：上式(V)中，nA是藥物干預(yù)前的模塊對(duì)內(nèi)模塊的數(shù)量(nA＝2)，nB是藥物干預(yù)后所述模塊對(duì)離解后的模塊數(shù)量，NA和NB分別是藥物干預(yù)前(A狀態(tài))和藥物干預(yù)后(B狀態(tài))的網(wǎng)絡(luò)內(nèi)總模塊數(shù)。本發(fā)明的優(yōu)勢(shì)在于基于疾病和藥物干預(yù)的復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特點(diǎn)，基于拓?fù)浣Y(jié)構(gòu)和統(tǒng)計(jì)檢驗(yàn)綜合定量評(píng)價(jià)比較疾病或藥物干預(yù)前后生物網(wǎng)絡(luò)的模塊間關(guān)系的整體和局部變化，作為疾病或藥物靶向的模塊間關(guān)系變化。與現(xiàn)存方法相比更具有綜合整合、定量的特征。附圖說(shuō)明以下，結(jié)合附圖來(lái)詳細(xì)說(shuō)明本發(fā)明的實(shí)施方案，其中：圖1顯示了模塊間直接聯(lián)系和間接聯(lián)系示意圖。圖2顯示了本發(fā)明所述評(píng)價(jià)藥物對(duì)模塊間關(guān)系的作用的方法的流程圖。圖3顯示了基因共表達(dá)網(wǎng)絡(luò)中基于IMCC值的Vehicle、BA、JA、UA、CM組的模塊網(wǎng)絡(luò)。其中，黑色邊框模塊為識(shí)別的連接子模塊。圖4顯示了蛋白相互作用網(wǎng)絡(luò)中基于IMCC值的Vehicle和BA模塊網(wǎng)絡(luò)。圖5顯示了蛋白相互作用網(wǎng)絡(luò)中基于介數(shù)中心性分別識(shí)別的連接子構(gòu)成亞網(wǎng)絡(luò)。圖6顯示了蛋白相互作用網(wǎng)絡(luò)中Vehicle組連接子模塊對(duì)(module2和module3)在BA組的離解情況。具體實(shí)施方式以下參照具體的實(shí)施例來(lái)說(shuō)明本發(fā)明。本領(lǐng)域技術(shù)人員能夠理解，這些實(shí)施例僅用于說(shuō)明本發(fā)明，其不以任何方式限制本發(fā)明的范圍。下述實(shí)施例中的實(shí)驗(yàn)方法，如無(wú)特殊說(shuō)明，均為常規(guī)方法。下述實(shí)施例中所用的藥材原料、試劑材料等，如無(wú)特殊說(shuō)明，均為市售購(gòu)買產(chǎn)品。本發(fā)明的目的是從藥物干預(yù)前后的復(fù)雜網(wǎng)絡(luò)中，對(duì)比評(píng)價(jià)模塊間關(guān)系的整體和局部變化，從而為指導(dǎo)疾病治療和藥物研發(fā)提供依據(jù)。以下的實(shí)施證明了本發(fā)明方法的有效性和可行性。這些實(shí)施是非限制性的，本發(fā)明的方法還可以應(yīng)用其他類型的網(wǎng)絡(luò)。實(shí)施例1本實(shí)施例采用以清開(kāi)靈有效組分干預(yù)小鼠腦缺血模型的基因芯片實(shí)驗(yàn)數(shù)據(jù)為例，(該數(shù)據(jù)已上傳至ArrayExpress數(shù)據(jù)庫(kù)，Http://www.ebi.ac.uk/arrayexpress/)，構(gòu)建加權(quán)基因共表達(dá)網(wǎng)絡(luò)，具體描述本發(fā)明方法：基于清開(kāi)靈各組分干預(yù)腦缺血小鼠模型的加權(quán)基因共表達(dá)網(wǎng)絡(luò)及模塊劃分，腦缺血模型組(Vehicle)、黃芩苷(BA)組、梔子苷(JA)組、膽酸(UA)組、珍珠母(CM)組的模塊劃分情況及如表3所示。表3基因共表達(dá)網(wǎng)絡(luò)的模塊劃分情況步驟1，用加權(quán)共表達(dá)網(wǎng)絡(luò)分析(WGCNA)工具(一種基于聚類算法的模塊劃分方法，來(lái)源PeterLangfelder,SteveHorvath.WGCNA:anRpackageforweightedcorrelationnetworkanalysis.BMCBioinformatics2008,9:559.)分別對(duì)藥物干預(yù)前后的數(shù)據(jù)構(gòu)建基因共表達(dá)網(wǎng)絡(luò)并以節(jié)點(diǎn)數(shù)＝3劃分模塊，由此分別得到藥物干預(yù)前(Vehicle組)和藥物干預(yù)后(BA組、JA組、UA組、CM組)的5個(gè)基因共表達(dá)網(wǎng)絡(luò)和相應(yīng)的5組模塊。步驟2，通過(guò)計(jì)算每一組模塊(5個(gè)狀態(tài)，即5組)內(nèi)任意兩兩模塊之間的直接聯(lián)系參數(shù)(本實(shí)施例選擇模塊間邊的權(quán)重和，SW)和間接聯(lián)系參數(shù)(本實(shí)施例選擇模塊間一致性得分，CT)，而后對(duì)SW進(jìn)行超幾何分布檢驗(yàn)，篩選出p＜0.05的SW；對(duì)CT進(jìn)行介值法篩選，篩選出CT＞10的CT值，采用加權(quán)求和整合的方式，形成模塊間協(xié)調(diào)系數(shù)(IMCC)即α.SW+β.CT＝IMCC其中，直接聯(lián)系參數(shù)SW是指模塊間邊的權(quán)重和；間接聯(lián)系參數(shù)CT的采用Jeh-TingHsu,Chien-HuaPeng,Wen-PingHsieh等人的公式(Anovelmethodtoidentifycooperativefunctionalmodules:studyofmodulecoordinationintheSaccharomycescerevisiaecellcycle.BMCBioinformatics2011,12:281)進(jìn)行計(jì)算，公式如下：令α+β＝1，α/β分別取1/10、1/8、1/4、1/2、1/1、2/1、4/1、8/1、10/1分別獲得9個(gè)IMCC值，將每個(gè)模塊對(duì)之間的IMCC值和該模塊對(duì)富集的KEGG通路的分類的jaccard相似系數(shù)對(duì)應(yīng)起來(lái)，分別進(jìn)行曲線擬合，如表4所示，當(dāng)α/β＝1/1時(shí)擬合度最佳，R2＝0.616，公式即為：0.5SW+0.5CT＝IMCCIMCC值分別作為5組模塊中的任意兩兩模塊之間關(guān)系的定量值。表4α/β不同值時(shí)，各模型擬合R2步驟3，基于IMCC值，構(gòu)建模塊網(wǎng)絡(luò)，如圖3所示。步驟4-1，計(jì)算干預(yù)前后模塊網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化(從多個(gè)拓?fù)鋮?shù)中選擇8個(gè))，如表5所示，作為藥物對(duì)模塊間關(guān)系的整體影響。表5基因共表達(dá)模塊網(wǎng)絡(luò)拓?fù)鋮?shù)注：↑代表與Vehicle組相比升高，↓代表與Vehicle組相比降低由表5結(jié)果可知，BA、JA、UA、CM的中心性分別下降至0.156、0.271、0.22、0.314，提示疾病狀態(tài)下模塊網(wǎng)絡(luò)的呈明顯的放射性結(jié)構(gòu)，組分干預(yù)之后，這種放射性的結(jié)構(gòu)發(fā)生了變化；在BA和UA干預(yù)后，網(wǎng)絡(luò)密度、聚類系數(shù)、平均度升高，特征路徑長(zhǎng)度、平均介數(shù)中心性降低，提示模塊間的連接更加密集，模塊間信息傳遞路徑縮短。JA干預(yù)之后，網(wǎng)絡(luò)密度、模塊平均度、聚類系數(shù)降低；網(wǎng)絡(luò)特征路徑長(zhǎng)度、介數(shù)中心性增加，提示模塊間連接的中斷，形成更加稀疏的網(wǎng)絡(luò)。步驟4-2，基于模塊網(wǎng)絡(luò)，從多種度量模塊重要性的方法中選用基于介數(shù)中心性、邊權(quán)重分布這兩種方法識(shí)別連接子，兩種方法識(shí)別的連接子的結(jié)果分別見(jiàn)表6和表7。在模型組(Vehicle)的模塊網(wǎng)絡(luò)中，選擇兩種方法均識(shí)別的兩個(gè)連接子(blue模塊和brown模塊)，計(jì)算該兩個(gè)連接子在不同藥物干預(yù)后的離解率，計(jì)算公式，如下：其中，nA是藥物干預(yù)前的模塊對(duì)內(nèi)模塊的數(shù)量(nA＝2)，nB是藥物干預(yù)后所述模塊對(duì)離解后的模塊數(shù)量，NA和NB分別是藥物干預(yù)前(A狀態(tài))和藥物干預(yù)后(B狀態(tài))的網(wǎng)絡(luò)內(nèi)總模塊數(shù)。表6基于介數(shù)中心性識(shí)別的連接子表7基于邊權(quán)重分布識(shí)別的連接子連接子離解情況如表8所示，以識(shí)別不同藥物對(duì)模塊間關(guān)系的局部影響。表8藥物干預(yù)后的連接子模塊Blue和模塊Brown的離解率由表8結(jié)果可知，BA，JA，UA的連接子離解率較CM高，提示BA，JA，UA對(duì)要病理狀態(tài)的逆轉(zhuǎn)程度優(yōu)于CM。實(shí)施例2以清開(kāi)靈有效組分干預(yù)小鼠腦缺血模型的蛋白質(zhì)相互作用網(wǎng)絡(luò)為例，具體描述本發(fā)明方法：基于清開(kāi)靈各組分干預(yù)腦缺血小鼠模型的蛋白質(zhì)相互作用網(wǎng)絡(luò)及模塊劃分，腦缺血模型組、黃芩苷(BA)組的模塊劃分情況(參見(jiàn)張瑩瑩，清開(kāi)靈多組分干預(yù)腦缺血模型蛋白質(zhì)網(wǎng)絡(luò)主要模塊的識(shí)別與比較[D]，中國(guó)中醫(yī)科學(xué)院，2014)，如表9所示。表9蛋白相互作用網(wǎng)絡(luò)的模塊劃分情況步驟1，通過(guò)將藥物干預(yù)前后的差異基因映射至string蛋白數(shù)據(jù)庫(kù)中，構(gòu)建清開(kāi)靈各組分干預(yù)前后的蛋白質(zhì)相互作用網(wǎng)絡(luò)并以節(jié)點(diǎn)數(shù)＝3劃分模塊。步驟2，通過(guò)對(duì)模塊之間的直接聯(lián)系參數(shù)——模塊間邊數(shù)(SE)和間接聯(lián)系參數(shù)——路徑強(qiáng)度(SP)進(jìn)行計(jì)算，并分別對(duì)兩個(gè)參數(shù)進(jìn)行超幾何分布檢驗(yàn)篩選，而后將兩個(gè)參數(shù)非加權(quán)整合為模塊間協(xié)調(diào)系數(shù)(IMCC)，該實(shí)例中采用的求和的非加權(quán)整合方式，公式如下：IMCC＝SE+SP其中模塊間直接聯(lián)系參數(shù)采用模塊間邊數(shù)(SE)，間接聯(lián)系參數(shù)采用路徑強(qiáng)度(SP)，SP公式如下：其中，模塊Mx和My之間的路徑強(qiáng)度定義為由中介節(jié)點(diǎn)m(mediation)介導(dǎo)而形成路徑的加權(quán)概率。此路徑由模塊Mx中的節(jié)點(diǎn)o(outset)和模塊My中的節(jié)點(diǎn)e(end)，以及中介節(jié)點(diǎn)m(mediation)構(gòu)成，即o-m-e。Wm,o和Wm,e分別是節(jié)點(diǎn)m到節(jié)點(diǎn)o和節(jié)點(diǎn)e的權(quán)重，Wm是節(jié)點(diǎn)m加權(quán)度。IMCC值分別作為2組模塊中的任意兩兩模塊之間間關(guān)系的定量值。步驟3，基于IMCC值，構(gòu)建模塊網(wǎng)絡(luò)，如圖4所示。步驟4-1，計(jì)算干預(yù)前后模塊網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化(從多個(gè)拓?fù)鋮?shù)中選擇8個(gè))，如表10所示，作為藥物對(duì)模塊間關(guān)系的整體影響。表10蛋白相互作用網(wǎng)絡(luò)拓?fù)鋮?shù)與模型組(Vehicle)相比，BA干預(yù)后，模塊網(wǎng)絡(luò)的中心性下降，提示模型組的放射性結(jié)構(gòu)在BA干預(yù)后發(fā)生改變，平均介數(shù)中心性下降，提示模塊間連接經(jīng)過(guò)的節(jié)點(diǎn)數(shù)減少，及模塊間連接更加直接與緊密。步驟4-2，基于模塊網(wǎng)絡(luò)，采用基于介數(shù)中心性的方法識(shí)別連接子，如圖5所示。選取其中連接子模塊2和模塊3，計(jì)算該兩個(gè)連接子在BA干預(yù)后的離解率，公式如下：其中，nA是藥物干預(yù)前的模塊對(duì)內(nèi)模塊的數(shù)量(nA＝2)，nB是藥物干預(yù)后所述模塊對(duì)離解后的模塊數(shù)量，NA和NB分別是藥物干預(yù)前(A狀態(tài))和藥物干預(yù)后(B狀態(tài))的網(wǎng)絡(luò)內(nèi)總模塊數(shù)。BA干預(yù)后的離解率如表11，圖6所示，識(shí)別藥物對(duì)模塊間關(guān)系的局部影響。表11蛋白相互作用網(wǎng)絡(luò)連接子模塊2和模塊3的離解率通過(guò)上述分析實(shí)例，本發(fā)明針對(duì)差異基因共表達(dá)網(wǎng)絡(luò)采用兩個(gè)參數(shù)加權(quán)整合的方法定量評(píng)價(jià)，各藥物干預(yù)組前后的模塊間關(guān)系，并使用8個(gè)拓?fù)鋮?shù)評(píng)價(jià)模塊間關(guān)系的整體變化，2種方法識(shí)別模塊網(wǎng)絡(luò)連接子，評(píng)價(jià)模塊間關(guān)系的局部變化。同時(shí)本發(fā)明針對(duì)藥物干預(yù)前后的蛋白相互作用網(wǎng)絡(luò)采用兩個(gè)參數(shù)非加權(quán)整合的方法定量評(píng)價(jià)模塊間的關(guān)系，兩個(gè)實(shí)例分別為生物網(wǎng)絡(luò)中具有代表性的兩類網(wǎng)絡(luò)，說(shuō)明評(píng)價(jià)生物網(wǎng)絡(luò)中模塊間關(guān)系的方法具有有效性和可行性。以上是對(duì)本發(fā)明的描述，而非限定，基于本發(fā)明的思想的其他實(shí)施方式，均在本發(fā)明的保護(hù)之中。以上對(duì)本發(fā)明具體實(shí)施方式的描述并不限制本發(fā)明，本領(lǐng)域技術(shù)人員可以根據(jù)本發(fā)明作出各種改變或變形，只要不脫離本發(fā)明的精神，均應(yīng)屬于本發(fā)明所附權(quán)利要求的范圍。當(dāng)前第1頁(yè)1 2 3