近日，国际著名杂志International Journal of Data Mining and Bioinformatics 在线刊登了西安电子科技大学研究人员的最新成果“An algorithm for network motif discovery in biological networks，”，研究人员在文中指出，他们开发了一种新的算法，可以解开生物网络中各组分之间的相互作用方式。
中国的研究人员研发出一种新的方法来解开复杂生物网络，如各种蛋白质在人体细胞中相互作用的方式。在各种疾病（如阿尔茨海默症和癌症）中，生物学家和生物医学研究人员使用该团队的计算法则可以揭开细胞如何工作以及这些生物网络故障何在的新线索。
我们发现生物网络无处不在，在技术中、自然界中以及在我们的机体中。它们同样在无数的研究领域存在，从电子电路到社会网络、从运输系统到生物系统。研究者们已经证明：尽管表面上看来网络在性质上可能非常不同，但它们拥有许多共同的属性，如“小世界”和“无尺度”等特性。这意味着理解一种网络后可以帮助我们了解另一种。
然而，如果我们想要更深入地找出生物网络的普遍特性，我们必须了解其中的一个特定的基本结构元素——所谓的生物网络“模体”。模体是网络节点之间互连的模式，不管是晶体管、神经元、“脸谱网”用户、分子生物学还是蛋白质。比起在随机网络中，利用实际网络中的大量模体可以分辨即使是最复杂的网络复合体。随着高通量分析技术的出现，分子生物学家开始揭开蛋白质系统的网络模体，在代谢系统、大脑、病原体传播和许多其他让人感兴趣的领域同样的解密工作也开始了。
计算机专家覃桂敏和高琳，已设计出一个高效的计算法则来检测蛋白质网络的模体。针对某个待检测网络，该算法首先搜索在随机网络中不常见的特定非树型亚结构。然后改算法将这些亚结构分类、按照层次进行归群，揭示网络中存在的重复性模体。该小组已经应用此算法研究大肠杆菌和酿酒酵母之间的蛋白质相互作用（PPI）网络。
该研究小组声明：“我们的实验结果表明该算法可以有效地检测模体，并且与当前的生物学知识相吻合”。然而更重要的是，这种算法还发现了几个以前未识别出来的新模体。该研究组也补充说，“根据给定大小，我们的算法可以检测几个共同模体，这可能有助于生物学家进一步研究细胞过程”。（生物谷Bioon.com）
doi:10.1504/IJDMB.2012.045533
PMC:
PMID:
An algorithm for network motif discovery in biological networks
Guimin Qin; Lin Gao
Network motif discovery is a key problem in analysis of biological networks. In this paper, we present an efficient algorithm for detecting consensus motifs. First, we extend subgraph searching algorithm Enumerate Subgraphs (ESU) to efficiently search non-treelike subgraphs of which the probability of occurrence in random networks is small. Then, we classify isomorphic subgraphs into different groups. Finally, we use hierarchical clustering method to cluster subgraphs, and derive a consensus motif from the clusters. Our algorithm is applied to the Protein-Protein Interaction (PPI) networks and the transcriptional regulatory networks of E. coli and S. cerevisiae. The experiment results show that the algorithm can efficiently discover motifs, which are consistent with current biology knowledge. And, it can also detect several consensus motifs with a given size, which may help biologists go further into cellular process.
