GraphCrunch
GraphCrunch — это комплексный, распараллеливаемый и легко расширяемый с открытым исходным кодом программный инструмент для анализа и моделирования больших биологических сетей (или графов ); он сравнивает реальные сети с серией моделей случайных графов с учетом множества свойств локальной и глобальной сети. [1] Он доступен здесь .
Мотивация
[ редактировать ]Последние технологические достижения в экспериментальной биологии позволили получить большие объемы данных о биологических сетях. Многие другие явления реального мира также были описаны в терминах больших сетей (также называемых графами), таких как различные типы социальных и технологических сетей. Таким образом, понимание этих сложных явлений стало важной научной проблемой, которая привела к интенсивным исследованиям в области сетевого моделирования и анализа.
Важным шагом на пути к пониманию биологических сетей является поиск адекватной сетевой модели. Оценка соответствия модели сети данным является сложной задачей, поскольку сравнение сетей невозможно с вычислительной точки зрения и, следовательно, приходится полагаться на эвристику или «свойства сети». GraphCrunch автоматизирует процесс создания случайных сетей, построенных на основе серии случайных графовых моделей, и оценки соответствия сетевых моделей реальной сети с учетом множества свойств глобальной и локальной сети.
Функции
[ редактировать ]GraphCrunch выполняет следующие задачи:
1) вычисляет указанные пользователем глобальные и локальные свойства входной реальной сети,
2) создает указанное пользователем количество случайных сетей, принадлежащих заданным пользователем моделям случайных графов,
3) сравнивает, насколько точно каждая модельная сеть воспроизводит ряд глобальных и локальных свойств (указанных в пункте 1 выше) реальной сети, и
4) производит статистику сходства сетевых свойств между данными и модельными сетями.
Сетевые модели, поддерживаемые GraphCrunch
[ редактировать ]GraphCrunch в настоящее время поддерживает пять различных типов моделей случайных графов:
- случайные графы Эрдеша-Реньи ;
- случайные графики с тем же распределением степеней, что и данные;
- Безмасштабные сети Барабаши-Альберта с предпочтительным присоединением ;
- n -мерные геометрические случайные графы (для всех натуральных чисел n ); и
- Сети модели липкости.
Свойства сети, поддерживаемые GraphCrunch
[ редактировать ]GraphCrunch в настоящее время поддерживает семь свойств глобальной и локальной сети:
- распределение степеней ;
- коэффициент кластеризации ;
- спектр кластеризации;
- средний диаметр ;
- спектр длин кратчайших путей;
- относительное расстояние между частотами графлета ; и
- Соглашение о распределении степеней графлета .
Установка и использование
[ редактировать ]Инструкции по установке и запуску GraphCrunch доступны по адресу https://web.archive.org/web/20100717040957/http://www.ics.uci.edu/~bio-nets/graphcrunch/ .
Приложения
[ редактировать ]GraphCrunch использовался для поиска оптимальной сетевой модели для сетей межбелкового взаимодействия. [2] [3] а также для сетей белковых структур. [3] [4]
Ссылки
[ редактировать ]- ^ Тияна Миленкович, Джейсон Лай и Наташа Пржуль, GraphCrunch: инструмент для анализа больших сетей, BMC Bioinformatics 2008, 9:70. Высокий доступ.
- ^ Алексей Кучаев, Тияна Миленкович, Весна Мемисевич, Уэйн Хейс и Наташа Пржуль, Выравнивание топологической сети раскрывает биологическую функцию и филогению, Журнал интерфейса Королевского общества, 2010, появится позже.
- ^ Перейти обратно: а б Весна Мемисевич, Тияна Миленкович и Наташа Пржуль, Интегративный подход к моделированию биологических сетей, Материалы 6-го Международного симпозиума по интегративной биоинформатике, 22–24 марта 2010 г., Кембридж, Великобритания. Журнал интегративной биоинформатики, 2010 г., появится.
- ^ Тияна Миленкович, Иоаннис Филиппис, Михаэль Лаппе и Наташа Пржуль, Оптимизированная нулевая модель для сетей белковой структуры, 2009, PLOS One 4 (6): e5967.