焦清局著的《生物复杂网络中功能模块的挖掘》主要研究了如何挖掘生物复杂网络中的功能模块，并探索了多样性的功能模块组织形式。首先，针对现有模块分析算法存在的缺陷，提出一种衡量网络中任意两个结点的新相似性ISIM，依据这种新的相似性和层次聚类思想对生物网络中的功能模块进行挖掘，并利用新结点相似性进一步揭示了生物网络中蛋白质复合物的层次性和功能模块的多尺度性。为了避免生物网络不完备性带来的影响，我们通过融合多条件下基因共表达谱数据构建完备的基因共表达网络，进而分析功能模块。接下来，我们突破模块结构是生物复杂网络中功能单元的唯一组织形式这一概念，在生物网络上发现一种新的功能模块组织形式，Bi—sparse功能模块。并相应地提出一种能同时挖掘高聚合和稀疏功能模块的二叉树搜索方法。最后，通过大规模网络的统计分析，深入研究了Bi—sparse模块的一些特性。

第1章 绪论

 1.1 复杂网络

1.1.1 复杂网络的概念

1.1.2 复杂网络中的主要参数

1.1.3 复杂网络研究概况

 1.2 复杂网络的模块结构

1.2.1 社团的定义及其研究意义

1.2.2 社团结构研究现状

 1.2.2.1 谱聚类方法

 1.2.2.2 分裂方法

 1.2.2.3 合并方法

 1.2.2.4 基于模块度的优化和扩展方法

 1.2.2.5 基于随机游走模型算法

 1.2.2.6 多目标优化方法

 1.3 生物网络中模块结构研究进展

1.3.1 基于图论的方法

1.3.2 流体力学的方法

1.3.3 核连接方法

1.3.4 群体智能的方法

 1.4 模块的多尺度性

 1.5 生物网络中功能单元组织形式的研究

 1.6 本书的研究内容

 1.7 本书的结构和组织

第2章 基于收敛空间内结点相似性度量的社团分析

 2.1 基于新结点相似性的社团分析

2.1.1 收敛空间内结点相似性的定义

2.1.2 新结点相似性的收敛性证明

2.1.3 新结点相似性的鲁棒性和稳定性

2.1.4 调节因子α的选取

2.1.5 层次聚类

2.1.6 算法时间复杂度分析

 2.2 新结点相似性在挖掘网络社团中的应用

2.2.1 ISIM算法在合成网络上的应用

2.2.2 ISIM算法在真实网络上的应用

 2.3 ISIM算法捕捉局部和全局的网络拓扑结构

 2.4 小结

第3章 生物网络中多尺度功能模块挖掘

 3.1 新结点相似性揭示生物网络中模块的多尺度性

3.1.1 ISIMB算法在标准数据集上的性能验证

3.1.2 蛋白质相互作用网络中复合物的模块多尺度分析

3.1.3 蛋白质和基因相互作用网络中功能模块的多尺度分析

 3.2 基于网络分割状态的重要模块结构筛选

 3.3 单尺度模块挖掘方法和多尺度模块挖掘方法之间的关系

 3.4 小结

第4章 多条件下基因共表达网络中功能模块的挖掘

 4.1 完备基因共表达网络中功能模块的挖掘

4.1.1 多条件下基因共表达网络的构建

4.1.2 基于最大团的功能模块预测

 4.2 预测模块的生物功能分析

4.2.1 预测模块的基因本体论分析

4.2.2 预测模块的示例分析

 4.3 小结

第5章 蛋白质相互作用网络中稀疏和高聚合功能模块的共挖掘

 5.1 生物网络中功能单元组织形式的研究背景

 5.2 基于二叉树搜索的功能模块挖掘算法

5.2.1 二叉树搜索算法

5.2.2 三阈值的选取

 5.3 BTS方法在不同网络中的应用

5.3.1 BTS方法在合成网络中的应用

5.3.2 BTS方法在蛋白质相互作用网络中的应用

5.3.3 蛋白质相互作用网络中Bi—sparse模块功能分析

5.3.4 蛋白质相互作用网络中高聚合模块功能分析

 5.4 小结

第6章 复杂网络的多样性功能模块组织形式探讨

 6.1 BTS算法性能测试

 6.2 复杂网络中高聚合模块和Bi—sparse模块的意义

6.2.1 社会网络中Bi—sparse模块的意义

6.2.2 计算机软件网络中高聚合模块和Bi—sparse模块的意义

6.2.3 基因共表达网络中高聚合模块和Bi—sparse模块的意义

 6.3 复杂网络中高聚合模块和Bi—sparse模块的共存性

6.3.1 高聚合模块和Bi—sparse模块的共存性

6.3.2 Bi—sparse模块存在的合理性分析

6.3.3 Bi—sparse模块的偏好性

6.3.4 Bi—sparse模块的大小

6.3.5 Bi—sparse模块的组织形式

 6.4 BTS方法中三阈值的选取

 6.5 小结

第7章 总结和展望

7.1 总结

7.2 展望

参考文献