快速搜索前饋環(huán)并將其可視化的方法
【專利摘要】本發(fā)明公開了一種快速搜索前饋環(huán)并將其可視化的方法，包括以下步驟：S1：建立網(wǎng)絡，包括多個節(jié)點及這些節(jié)點之間的關系；S2：計算每個節(jié)點的聚類系數(shù)；S3：挑選出所有聚類系數(shù)不等于0的節(jié)點并構(gòu)建一節(jié)點群；S4：從節(jié)點群中依次取出三個節(jié)點；S5：以該三個節(jié)點作為對象，判斷該三個節(jié)點的任意排列方式是否為前饋環(huán)；S6：將步驟S5中的所述環(huán)狀結(jié)構(gòu)體以圖形方式顯示在人機交互界面上。本發(fā)明的快速搜索前饋環(huán)并將其可視化的方法，能夠快速得到一個大型的網(wǎng)絡中構(gòu)成前饋環(huán)的各組節(jié)點及其內(nèi)部的具體關系，并能夠?qū)λ阉鞯降母髑梆伃h(huán)進行可視化。
【專利說明】快速搜索前饋環(huán)并將其可視化的方法
【技術領域】
[0001]本發(fā)明涉及生物信息數(shù)據(jù)分析領域，尤其涉及一種快速搜索前饋環(huán)并將其可視化的方法。
【背景技術】
[0002]DNA雙螺旋結(jié)構(gòu)模型的提出，使得對生物學的認識進入到分子水平，開始了分子生物學的時代，并一直持續(xù)了半個世紀。當前，生物學的研究已進入后基因組時代，其特點是:從整體或系統(tǒng)的水平上去認識生物體，并誕生了系統(tǒng)生物學。生物系統(tǒng)是一種復雜系統(tǒng)。復雜系統(tǒng)的一個顯著特點是多個參與者密切相互作用。復雜網(wǎng)絡是描述復雜系統(tǒng)的一種有力工具，系統(tǒng)中的參與者可表示為網(wǎng)絡中的點，相互作用可表示為網(wǎng)絡中的連線。這樣，復雜網(wǎng)絡也可作為分析生物系統(tǒng)的一種工具，例如新陳代謝過程，參與作用的“底物”及其相互作用可用復雜網(wǎng)絡描述。一般而言，模塊是指一組物理上或功能上連接在一起的、共同完成一個相對獨立功能的節(jié)點。生物系統(tǒng)中的模塊性是到處可見的。例如，相對固定的蛋白質(zhì)-蛋白質(zhì)和蛋白質(zhì)-RNA聯(lián)合體(物理模塊)就是許多基本生物功能的核心。事實上，一個細胞中的絕大部分分子或者是具有模塊化活動的一個細胞內(nèi)的聯(lián)合體的一部分(如核糖體)，或者是參與到一個功能上更廣的模塊以作為一個相對獨立過程的調(diào)控單位(如信號通路中的信號放大)。與具有相同規(guī)模和度分布的隨機網(wǎng)絡相比，許多實際網(wǎng)絡的聚類系數(shù)要高得多。網(wǎng)絡的高聚類性表明網(wǎng)絡在局部可能包含各種由高度連接的節(jié)點組構(gòu)成的子圖(subgraph)。這是出現(xiàn)單個功能模塊的一個前提。子圖描繪了從局部層次刻畫一個給定網(wǎng)絡的相互連接的特定模式。然而，在實際網(wǎng)絡中，所有的子圖并不都具有相同的重要性。前饋環(huán)(在有向網(wǎng)絡中的三角形模體)出現(xiàn)在轉(zhuǎn)錄水平調(diào)控網(wǎng)絡和神經(jīng)網(wǎng)絡中，而四節(jié)點反饋環(huán)表示的是電子線路而不是生物系統(tǒng)中的特征模體。每一個實際網(wǎng)絡都是由其自身一組特定的模體刻畫的；辨識出這些模體有助于識別網(wǎng)絡的典型的局部連接模式。酵母蛋白質(zhì)交互作用網(wǎng)絡中的模體組分的高度進化保護，以及不同物種的轉(zhuǎn)錄水平調(diào)控網(wǎng)絡中朝著相同模體類型進化的趨勢，都進一步表明模體具有直接的生物學意義。在所有模體中，現(xiàn)在研究的比較多的模體是前饋環(huán)，也就是有向網(wǎng)絡中的三角形模體。眾多研究表明前饋環(huán)是多種模式生物，如Saccharomyces cerevisiae和E.coil等的生物調(diào)控網(wǎng)絡中的特征模體,一般用來表示兩個調(diào)控因子與一個它們共同調(diào)控的基因之間的相互作用關系。當然，前饋環(huán)也廣泛地存在于各種復雜的網(wǎng)絡中,例如工控系統(tǒng)、社科研究領域的大系統(tǒng)等等中，都可以通過前饋環(huán)來表征網(wǎng)絡中各種模塊之間的關系。
[0003]現(xiàn)有技術中，目前有很多算法可以來計算和評價復雜網(wǎng)絡中各種模體的顯著性，但實現(xiàn)這些算法的軟件幾乎都僅僅局限于對顯著性模體的評估，從結(jié)果中可以知道哪些模體是顯著的(比如可以知道一種三角形是某一個網(wǎng)絡的特征模體)，但無法知道到底是哪些具體的點構(gòu)成了這一模體(不知道這些三角形具體是由哪些點構(gòu)成的)。雖然MAVisto這種算法不僅可以對網(wǎng)絡中的模體類型進行顯著性分析也可以得到每種模體的具體實例，但其運算時耗時比較長是一個很大的問題。
【發(fā)明內(nèi)容】

[0004]本發(fā)明提供一種快速搜索前饋環(huán)并將其可視化的方法，能夠快速得到一個大型網(wǎng)絡中構(gòu)成前饋環(huán)的這些點的具體關系，并對搜索到的前饋環(huán)進行可視化。
[0005]為了解決上述技術問題，本發(fā)明提供了一種快速搜索前饋環(huán)并將其可視化的方法，所述前饋環(huán)包括由三個對象及其指向關系構(gòu)成的環(huán)狀結(jié)構(gòu)體，每兩個所述對象之間存在一個所述指向關系，并且其中有兩個所述指向關系指向所述三個對象中的同一個對象；所述方法包括以下步驟:
[0006]S1:建立網(wǎng)絡，所述網(wǎng)絡包括多個節(jié)點及這些節(jié)點之間的關系；
[0007]S2:計算每個節(jié)點的聚類系數(shù)；
[0008]S3:挑選出所有聚類系數(shù)不等于O的節(jié)點并構(gòu)建一節(jié)點群；
[0009]S4:從所述節(jié)點群中依次取出三個節(jié)點；
[0010]S5:以該三個節(jié)點作為所述對象，判斷該三個節(jié)點中每兩個節(jié)點之間的關系，如果三次判斷結(jié)果均符合所述指向關系，則判定該三個節(jié)點及其之間的關系構(gòu)成的環(huán)狀結(jié)構(gòu)體為所述前饋環(huán)；
[0011]S6:將步驟S5中的被判定為所述前饋環(huán)的所述環(huán)狀結(jié)構(gòu)體以圖形方式顯示在人機交互界面上。
[0012]作為優(yōu)選，步驟SI具體為:將所述多個節(jié)點按節(jié)點間的關系分別存入第一數(shù)據(jù)列表和第二數(shù)據(jù)列表，其中，
[0013]所述第一數(shù)據(jù)列表與第二數(shù)據(jù)列表中的節(jié)點的關系為:所述第一數(shù)據(jù)列表中的節(jié)點指向所述第二數(shù)據(jù)列表中的節(jié)點。
[0014]作為優(yōu)選，利用網(wǎng)絡的屬性之一聚類系數(shù)先對網(wǎng)絡中的節(jié)點進行篩選，再通過Perl語言并利用hash數(shù)據(jù)結(jié)構(gòu)判斷兩個節(jié)點間是否具有關系，依據(jù)以上的判斷最終確定所選擇的三個點是否能夠構(gòu)成所述前饋環(huán)，其中，
[0015]步驟S4具體為:取出三個節(jié)點后，將該三個節(jié)點分別存入第一數(shù)據(jù)變量(a)、第二數(shù)據(jù)變量(b)和第三數(shù)據(jù)變量(c);將該三個節(jié)點進行任意排列，選取6種排列方式中的一種，并將每個節(jié)點對另外兩個節(jié)點的關系分別存入第一關系變量(ab)、第二關系變量(ba)、第三關系變量(ac)、第四關系變量(Ca)、第五關系變量(be)和第六關系變量(cb)；
[0016]步驟S5具體為:判斷所述第一關系變量至第六關系變量的數(shù)值，根據(jù)所述第一關系變量至第六關系變量的數(shù)值判斷該三個節(jié)點及其之間的關系是否能構(gòu)成環(huán)狀結(jié)構(gòu)體，以及構(gòu)成的環(huán)狀結(jié)構(gòu)體是否為所述前饋環(huán)。
[0017]作為優(yōu)選，步驟S6具體為:利用GraphViz軟件以及其在Perl語言程序中相應的接口和Perl語言中的GD模塊對搜索出來的前饋環(huán)的組成關系進行可視化。
[0018]作為優(yōu)選，所述節(jié)點包括基因、蛋白質(zhì)和各種調(diào)控因子。
[0019]與現(xiàn)有技術相比，本發(fā)明的快速搜索前饋環(huán)并將其可視化的方法的有益效果在于:
[0020]1、快速得到一個大型網(wǎng)絡中構(gòu)成前饋環(huán)的這些點的具體關系，并對搜索到的前饋環(huán)進行可視化。
[0021]2、用peri語言編寫的程序來搜索網(wǎng)絡中的前饋環(huán)；利用GraphViz軟件以及其在peri中的接口和Perl語言中的GD模塊對前饋環(huán)的組成關系進行可視化；利用雙坐標軸折線圖對前饋環(huán)中各點表達值變化趨勢的可視化。
[0022]3、改變生物網(wǎng)絡分析中只考慮單個點的情況，實現(xiàn)同時對多個點以及它們的相互作用關系的研究。
【專利附圖】

【附圖說明】
[0023]圖1為前饋環(huán)模型的示意圖；
[0024]圖2為本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法的流程示意圖；
[0025]圖3為生物網(wǎng)絡中三個節(jié)點構(gòu)成的八種前饋環(huán)的示意圖；
[0026]圖4為前饋環(huán)以矩陣示出的示意圖；
[0027]圖5為應用本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法將生物網(wǎng)絡中前饋環(huán)進行可視化的示意圖一；
[0028]圖6為應用本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法將生物網(wǎng)絡中前饋環(huán)進行可視化的示意圖二。
【具體實施方式】
[0029]下面結(jié)合附圖和具體實施例對本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法作進一步詳細描述，但不作為對本發(fā)明的限定。
[0030]圖1為前饋環(huán)模型的示意圖；圖2為本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法的流程示意圖。參閱前述【背景技術】中內(nèi)容，如圖1所示，前饋環(huán)模型包含三個對象，其中有兩個對象同時指向一個對象且兩個對象中的一個指向另一個。本發(fā)明的快速搜索前饋環(huán)并將其可視化的方法包括以下步驟:
[0031]S1:建立網(wǎng)絡，所述網(wǎng)絡包括多個節(jié)點及這些節(jié)點之間的關系；
[0032]S2:計算每個節(jié)點的聚類系數(shù)；
[0033]S3:挑選出所有聚類系數(shù)不等于O的節(jié)點并構(gòu)建一節(jié)點群；
[0034]S4:從節(jié)點群中依次取出三個節(jié)點；
[0035]S5:以該三個節(jié)點作為所述對象，判斷該三個節(jié)點中每兩個節(jié)點之間的關系，如果三次判斷結(jié)果均符合所述指向關系，則判定該三個節(jié)點及其之間的關系構(gòu)成的環(huán)狀結(jié)構(gòu)體為所述前饋環(huán)；
[0036]S6:將步驟S5中的被判定為所述前饋環(huán)的所述環(huán)狀結(jié)構(gòu)體以圖形方式顯示在人機交互界面上。
[0037]作為一種改進，步驟SI具體為:將多個節(jié)點按節(jié)點間的關系分別存入第一數(shù)據(jù)列表和第二數(shù)據(jù)列表，其中，第一數(shù)據(jù)列表與第二數(shù)據(jù)列表中的節(jié)點的關系為:第一數(shù)據(jù)列表中的節(jié)點指向第二數(shù)據(jù)列表中的節(jié)點。關系列表的示例可以為如下實施方式:
[0038]hsa-miR-22-3p NR3C1
[0039]hsa-miR-9_3p CDK6
[0040]hsa-miR-20b_5p MAP3K1
[0041]作為更進一步的改進，利用網(wǎng)絡的屬性之一聚類系數(shù)先對網(wǎng)絡中的節(jié)點進行篩選，再通過Perl語言并利用hash數(shù)據(jù)結(jié)構(gòu)判斷兩個節(jié)點間是否具有關系，依據(jù)以上的判斷最終確定所選擇的三個點是否能夠構(gòu)成前饋環(huán)，具體包括兩種方法特征，一個是利用網(wǎng)絡的屬性(排除了聚類系數(shù)為O的節(jié)點，減少了后續(xù)的計算量)，二是利用peri的特點(peri中的hash有良好、高效、可伸縮的算法，不論hash只有三個鍵值對，還是三百萬個鍵值對，從其中取出一個都應該一樣快捷)。
[0042]其中，步驟S4具體為:取出三個節(jié)點后，將該三個節(jié)點分別存入第一數(shù)據(jù)變量(a)、第二數(shù)據(jù)變量(b)和第三數(shù)據(jù)變量(C);將該三個節(jié)點進行任意排列，選取6種排列方式中的一種，并將每個節(jié)點對另外兩個節(jié)點的關系分別存入第一關系變量(ab)、第二關系變量(ba)、第三關系變量(ac)、第四關系變量(Ca)、第五關系變量(be)和第六關系變量(Cb)0 3個點之間不同的排列方式有6種，對每種排列方式都要進行判斷:是否符合前饋環(huán)結(jié)構(gòu)的順序。具體的，變量ab表示節(jié)點a到節(jié)點b的關系，ab=l,表示這兩個點之間有關系，ab=0,表示這兩個點之間沒有關系。ba表示節(jié)點b到節(jié)點a的關系(與ab反向)。
[0043]步驟S5具體為:判斷第一關系變量至第六關系變量的數(shù)值，根據(jù)第一關系變量至第六關系變量的數(shù)值判斷該三個節(jié)點及其之間的關系是否能構(gòu)成環(huán)狀結(jié)構(gòu)體，以及構(gòu)成的環(huán)狀結(jié)構(gòu)體是否為前饋環(huán)。
[0044]提高大型網(wǎng)絡中前饋環(huán)的搜索速度，可以優(yōu)選地利用peri語言處理文本的優(yōu)勢、per I中的hash數(shù)據(jù)結(jié)構(gòu)(哈希)這一數(shù)據(jù)類型的特性、生物網(wǎng)絡的無標度性以及網(wǎng)絡中“聚類系數(shù)”的性質(zhì)。
[0045]作為更進一步的改進，步驟S6具體為:利用GraphViz軟件以及其在Perl語言程序中相應的接口和Perl語言中的GD模塊對搜索出來的前饋環(huán)的組成關系進行可視化。Graphviz (英文:Graph Visualization Software的縮寫)是一個由AT&T實驗室啟動的開源工具包，用于繪制DOT語言腳本描述的圖形。官方網(wǎng)站:http://www.graphviz.0rg/。Perl語言中的GD模塊是在Perl語言中用于畫圖的模塊，可以通過計算坐標來畫出圖形，再通過編程實現(xiàn)圖形展示。
`[0046]作為另一種改進，節(jié)點包括基因(gene),蛋白質(zhì)(protein)和各種調(diào)控因子(miRNA, Transcript factor, IncRNA)等。所涉及的轉(zhuǎn)錄因子主要包括三種:小RNA (miRNA),轉(zhuǎn)錄因子(Transcript factor, TF),長鏈非編碼 RNA (IncRNA)。
[0047]為了更好地說明本發(fā)明，以下以采用Perl語言為例，將本發(fā)明應用于搜索生物網(wǎng)絡中的前饋環(huán)并對生物信息數(shù)據(jù)分析的【具體實施方式】進行說明。
[0048]圖3為生物網(wǎng)絡中三個節(jié)點構(gòu)成的八種前饋環(huán)的示意圖。例如，調(diào)控因子X調(diào)控Y和Z，Z同時被X和Y調(diào)控。由于三個箭頭中每個箭頭都有兩種狀態(tài)(抑制或激活)，所以又可以分為八種情況。對于指定的三個點A、B、C (這里只考慮上述八種情況中的一種)，在有向網(wǎng)絡中，由于兩點之間關系指向的不同，可以分為6種不同的類型。
[0049]圖4為前饋環(huán)以矩陣示出的示意圖；圖5為應用本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法將生物網(wǎng)絡中前饋環(huán)進行可視化的示意圖一；圖6為應用本發(fā)明的實施例的快速搜索前饋環(huán)并將其可視化的方法將生物網(wǎng)絡中前饋環(huán)進行可視化的示意圖
--O
[0050]本發(fā)明利用Perl語言實現(xiàn)的具體方式，程序主體部分可以歸納如下:
[0051]1.輸入構(gòu)成網(wǎng)絡的關系；
[0052]2.計算網(wǎng)絡中每個點的聚類系數(shù)(cc, clustering coefficient)；[0053]3.將所有cc不等于O的點存入數(shù)組Onodes ；
[0054]4.循環(huán) I {
[0055]5.每次從數(shù)組Onodes中取3個點，構(gòu)成一個新的數(shù)組@new_nodes_list ；
[0056]6.循環(huán) 2 {
[0057]7.從@new_nodes_list中得到三個點的不同排列，存入@current_nodes ；
[0058]8.將@current_nodes中的三個點依次存入變量$a, $b, $c ；
[0059]9.分別判斷各點之間是否存在關系，關系分別用$ab, $ba, $ac, $ca, $bc, $cb表示；
[0060]10.1f($ab==land$ac==land$ba==0and$bc==land$ca==0and$cb==0){
[0061]11.打印$a，$b, $c ；#得到構(gòu)成一個前饋環(huán)的三個點
[0062]12.}
[0063]13.}
[0064]14.}
[0065]各行代碼的詳細注釋:
[0066]1.這里的關系來自各類數(shù)據(jù)庫、也可以用各種算法計算得到，包括miRNA與靶基因的關系、轉(zhuǎn)錄因子與基因的關系等。
[0067]一般由三列數(shù)據(jù)構(gòu)成，前兩列是一對關系中的兩個點，方向為第一列指向第二列；第三列表示這對關系的類型。
[0068]例如:miRANlgenelTargetGene
[0069]2.聚類系數(shù)表示某點周圍的點的連通程度，如果要構(gòu)成前饋環(huán)的話，cc值必須大于O。
[0070]3.根據(jù)cc值對網(wǎng)絡中的點進行篩選，由于生物網(wǎng)絡屬于無標度網(wǎng)絡(少數(shù)的點具有很強的調(diào)控能力degree非常大，大多數(shù)點的degree很小)，所以根據(jù)這一性質(zhì)可以在一開始就排除很多無法成環(huán)的點。避免了后面的大量計算，節(jié)省了前饋環(huán)搜索的時間。
[0071]4-5.因為cc不等于O的點就有可能是構(gòu)成某個前饋環(huán)中的一個點，循環(huán)I控制每次從這些點的集合中取出三個點進行后續(xù)的計算，η個點需要C(n，3)次循環(huán)。
[0072]6-7.得到三個點后，由于三個點之間關系指向的不同可以構(gòu)成6種不同的環(huán)，這里對三個點進行排列P (3，3)，排列的6種形式對應6種不同的環(huán)。
[0073]8.將不同的排列按順序賦值給三個變量。
[0074]9.利用peri中的一種數(shù)據(jù)結(jié)構(gòu)hash，判斷兩點之間是否存在關系。因為是有向圖，需要對三條邊的正向和反向都進行判斷，共六次。
[0075]相對于利用模塊Graph中的一個方法進行判斷，這種方法大大加快了程序運行的速度。
[0076]10.對這三個點是否能構(gòu)成前饋環(huán)的判斷。I表示兩點之間存在關系，O表示不存在關系，這里使用3*3的矩陣來表示3個點之間的關系。這里$ab==l，表示a，b之間具有關系，且由a指向b。$ba==0，表不b沒有指向a的關系，但可以具有a指向b的關系。如果$ab, $ba, $ac, $ca, $bc, $cb這六個值都確定了，那么a,b,c三個點之間的關系也就確定了。這也是可以用矩陣來表示三個點之間的關系的理論基礎。
[0077]如圖4示出了前饋環(huán)與轉(zhuǎn)換后矩陣的對應關系。每一個前饋環(huán)，都可以用一個3*3的唯一矩陣來表示，矩陣按照并且僅能按照從左到右的順序讀取。矩陣中I和O分別表示兩個節(jié)點之間的指向關系。②號前饋環(huán)對應的矩陣，交換矩陣中B、C的位置可以得到矩陣②-1。這兩個矩陣本質(zhì)上是等價的，它們都可以唯一表示②號前饋環(huán)。變換后的矩陣②-1中I的位置與①號前饋環(huán)的矩陣中I的位置相同。此時①矩陣與②-1矩陣的差異就體現(xiàn)在了 A、B、C的順序上。同理，對表示其他類型的前饋環(huán)都可以做此類變換。通過以上處理，將三個點是否構(gòu)成前饋環(huán)的判斷就轉(zhuǎn)變成了對A、B、C三個點進行不同的排列后是否可以用①號矩陣表示的問題。這里的①號矩陣可以用“搜索前饋環(huán)程序的主體部分”的第10行代碼表示。
[0078]11.如果第10句判斷為真，則輸出這三個點，這時候就成功找到了一個前饋環(huán)。
[0079]12-14.循環(huán)結(jié)束。
[0080]本發(fā)明通過Graphviz對前饋環(huán)的可視化，包括兩種視圖。如圖5示出了一種視圖，其表示miRNA-lncRNA-gene三種類型的生物分子構(gòu)成的前饋環(huán)，圖中顏色(實際可視化后的圖形帶有顏色，此處僅以明暗度表征)表示這些生物分子在生物芯片實驗中的表達量的相對高低。如圖6所不為另一種視圖,橫坐標表不樣本的名稱,縱坐標分別表不IncRNA、mRNA的信號值〈左〉和miRNA的信號值〈右 >，從這個圖可以看出各樣本的真實表達情況以及表達趨勢。由于一般情況下，mRNA及IncRNA芯片的信號值與miRNA芯片的表達值相差比較大，所以采用了雙坐標軸(實際可視化后的圖形帶有顏色，此處僅以線型表征)。
[0081]以上實施例僅為本發(fā)明的示例性實施例，不用于限制本發(fā)明，本發(fā)明的保護范圍由權(quán)利要求書限定。本領域技術人員可以在本發(fā)明的實質(zhì)和保護范圍內(nèi)，對本發(fā)明做出各種修改或等同替換，這種修改或等同替換也應視為落在本發(fā)明的保護范圍內(nèi)。
【權(quán)利要求】
1.一種快速搜索前饋環(huán)并將其可視化的方法，其特征在于，所述前饋環(huán)包括由三個對象及其指向關系構(gòu)成的環(huán)狀結(jié)構(gòu)體，每兩個所述對象之間存在一個所述指向關系，并且其中有兩個所述指向關系指向所述三個對象中的同一個對象；所述方法包括以下步驟: S1:建立網(wǎng)絡，所述網(wǎng)絡包括多個節(jié)點及這些節(jié)點之間的關系； 52:計算每個節(jié)點的聚類系數(shù)； 53:挑選出所有聚類系數(shù)不等于O的節(jié)點并構(gòu)建一節(jié)點群； 54:從所述節(jié)點群中依次取出三個節(jié)點； 55:以該三個節(jié)點作為所述對象，判斷該三個節(jié)點中每兩個節(jié)點之間的關系，如果三次判斷結(jié)果均符合所述指向關系，則判定該三個節(jié)點及其之間的關系構(gòu)成的環(huán)狀結(jié)構(gòu)體為所述前饋環(huán)； 56:將步驟S5中的被判定為所述前饋環(huán)的所述環(huán)狀結(jié)構(gòu)體以圖形方式顯示在人機交互界面上。
2.根據(jù)權(quán)利要求1所述的快速搜索前饋環(huán)并將其可視化的方法，其特征在于，步驟SI具體為:將所述多個節(jié)點按節(jié)點間的關系分別存入第一數(shù)據(jù)列表和第二數(shù)據(jù)列表，其中， 所述第一數(shù)據(jù)列表與第二數(shù)據(jù)列表中的節(jié)點的關系為:所述第一數(shù)據(jù)列表中的節(jié)點指向所述第二數(shù)據(jù)列表中的節(jié)點。
3.根據(jù)權(quán)利要求2所述的快速搜索前饋環(huán)并將其可視化的方法，其特征在于，利用網(wǎng)絡的屬性之一聚類系數(shù)先對網(wǎng)絡中的節(jié)點進行篩選，再通過Perl語言并利用hash數(shù)據(jù)結(jié)構(gòu)判斷兩個節(jié)點間是否具有關系，依據(jù)以上的判斷最終確定所選擇的三個點是否能夠構(gòu)成所述前饋環(huán)，其中， 步驟S4具體為:取出三個節(jié)點后，將該三個節(jié)點分別存入第一數(shù)據(jù)變量(a)、第二數(shù)據(jù)變量(b)和第三數(shù)據(jù)變量(c);將該三個節(jié)點進行任意排列，選取6種排列方式中的一種，并將每個節(jié)點對另外兩個節(jié)點的關系分別存入第一關系變量(ab)、第二關系變量(ba)、第三關系變量(ac)、第四關系變量(Ca)、第五關系變量(be)和第六關系變量(cb)； 步驟S5具體為:判斷所述第一關系變量至第六關系變量的數(shù)值，根據(jù)所述第一關系變量至第六關系變量的數(shù)值判斷該三個節(jié)點及其之間的關系是否能構(gòu)成環(huán)狀結(jié)構(gòu)體，以及構(gòu)成的環(huán)狀結(jié)構(gòu)體是否為所述前饋環(huán)。
4.根據(jù)權(quán)利要求3所述的快速搜索前饋環(huán)并將其可視化的方法，其特征在于，步驟S6具體為:利用GraphViz軟件以及其在Perl語言程序中相應的接口和Perl語言中的⑶模塊對搜索出來的前饋環(huán)的組成關系進行可視化。
5.根據(jù)權(quán)利要求1至4中任一項所述的快速搜索前饋環(huán)并將其可視化的方法，其特征在于，所述節(jié)點包括基因、蛋白質(zhì)和各種調(diào)控因子。
【文檔編號】G06F19/10GK103870876SQ201410112193
【公開日】2014年6月18日 申請日期:2014年3月24日 優(yōu)先權(quán)日:2014年3月24日
【發(fā)明者】熊昕, 李奇 申請人:上海其明信息技術有限公司