Một số thuật toán dóng hàng các mạng protein

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ MỘT SỐ THUẬT TỐN DĨNG HÀNG CÁC MẠNG PROTEIN LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN Hà Nội - 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CƠNG NGHỆ TRẦN NGỌC HÀ MỘT SỐ THUẬT TỐN DÓNG HÀNG CÁC MẠNG PROTEIN Chuyên ngành: Khoa học máy tính Mã số: 9480101.01 LUẬN ÁN TIẾN SĨ CƠNG NGHỆ THƠNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Hồng Xuân Huấn GS TS Thái Trà My Hà Nội - 2019 LỜI CAM ĐOAN Tôi xin cam đoan cơng trình nghiên cứu riêng tơi Các kết viết chung với tác giả khác đồng ý đồng tác giả trước đưa vào luận án Các kết nêu luận án trung thực chưa công bố cơng trình khác Tác giả LỜI CẢM ƠN Luận án thực trường ĐH Công nghệ - ĐHQG Hà Nội, hướng dẫn PGS.TS Hoàng Xuân Huấn GS.TS Thái Trà My Tơi xin bày tỏ lòng biết ơn sâu sắc tới thầy Hồng Xn Huấn, Thái Trà My, người có định hướng giúp tơi thành cơng việc nghiên cứu Thầy động viên bảo giúp tơi vượt qua khó khăn để tơi hồn thành luận án Tơi xin chân thành cảm ơn tới TS Đỗ Đức Đông, TS Đặng Cao Cường thầy cô Bộ mơn Khoa học máy tính trường Đại học Cơng nghệ đóng góp cho tơi nhiều kiến thức q báu kiến thức khoa học để tơi hồn thành luận án Tôi xin cảm ơn tới thầy, cô thuộc khoa Công nghệ thông tin – Trường ĐH Công Nghệ, tạo điều kiện thuận lợi giúp tơi q trình làm nghiên cứu sinh Tơi xin cảm ơn tới thầy cô khoa Toán, lãnh đạo trường Đại học Sư Phạm – Đại học Thái Nguyên, tạo điều kiện thuận lợi mặt thời gian công tác chuyên môn giúp tơi q trình làm nghiên cứu sinh Cuối cùng, xin gửi lời cảm ơn sâu sắc tới gia đình, bạn bè nơi cho tơi điểm tựa vững để tơi có thành cơng ngày hôm MỤC LỤC DANH MỤC BẢNG BIỂU DANH MỤC CÁC HÌNH DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT 10 MỞ ĐẦU 12 Chương DÓNG HÀNG CÁC MẠNG PROTEIN VÀ TỐI ƯU MỀM 16 1.1 Tin sinh học dóng hàng mạng protein 16 1.1.2 Bài toán dóng hàng nhiều mạng vị trí liên kết protein 22 1.1.3 Bài tốn dóng hàng mạng tương tác protein - protein 26 1.2 Tối ưu mềm 31 1.2.1 Bài toán tối ưu tổ hợp tiếp cận mềm 31 1.2.2 Phương pháp tối ưu đàn kiến 35 1.2.3 Tính tốn tiến hóa thuật tốn memetic 44 1.2.4 Thuật tốn tìm kiếm Tabu 45 1.3 Động nghiên cứu 47 1.4 Kết luận chương 48 Chương DÓNG HÀNG CÁC MẠNG CÁC VỊ TRÍ LIÊN KẾT PROTEIN 49 2.1 Bài tốn dóng hàng nhiều đồ thị 49 2.1.1 Tập nhiều đồ thị 50 2.1.2 Dóng hàng nhiều đồ thị 50 2.1.3 Hàm đánh giá chất lượng dóng hàng 51 2.2 Thuật toán dựa ACO 54 2.2.1 Đồ thị cấu trúc 55 2.2.2 Thủ tục bước ngẫu nhiên để xây dựng dóng hàng 56 2.2.3 Qui tắc cập nhật mùi 59 2.2.4 Thủ tục tìm kiếm cục 59 2.3 Thuật toán theo lược đồ memetic 60 2.3.1 Lược đồ chung 61 2.3.2 Đồ thị cấu trúc 63 2.3.3 Vết mùi thông tin heuristic 63 2.3.4 Thủ tục bước ngẫu nhiên xây dựng dóng hàng 64 2.3.5 Qui tắc cập nhật vết mùi 64 2.3.6 Thủ tục tìm kiếm cục 65 2.4 Thuật toán memetic kết hợp ACO tìm kiếm Tabu 65 2.4.1 Đồ thị cấu trúc 67 2.4.2 Thông tin heuristic 67 2.4.3 Thủ tục bước ngẫu nhiên xây dựng dóng hàng 67 2.4.4 Qui tắc cập nhật vết mùi 68 2.4.5 Thủ tục tìm kiếm Tabu 68 2.5 Các kết thực nghiệm 69 2.5.1 Dữ liệu thực nghiệm 69 2.5.2 Thực nghiệm so sánh thuật toán ACO-MGA với thuật toán Greedy GAVEO 70 2.5.3 Thực nghiệm so sánh thuật toán ACOTS-MGA, ACO-MGA2, GAVEO Greedy 75 2.6 Kết luận chương 80 Chương DĨNG HÀNG TỒN CỤC HAI MẠNG TƯƠNG TÁC PROTEIN-PROTEIN 81 3.1 Bài tốn dóng hàng toàn cục mạng tương tác protein 81 3.1.1 Phát biểu toán 81 3.1.2 Đánh giá chất lượng dóng hàng tồn cục 82 3.2 Thuật toán FASTAN 84 3.2.1 Xây dựng dóng hàng ban đầu 85 3.2.2 Thủ tục Rebuild 87 3.2.3 Độ phức tạp thuật toán FASTAN so với SPINAL 88 3.3 Thuật toán ACOGNA 89 3.3.1 Lược đồ chung 91 3.3.2 Đồ thị cấu trúc 92 3.3.3 Vết mùi thông tin heuristic 93 3.3.4 Thủ tục bước ngẫu nhiên để xây dựng dóng hàng 94 3.3.5 Quy tắc cập nhật vết mùi 94 3.3.6 Thủ tục tìm kiếm cục 95 3.4 Thuật toán ACOGNA++ 95 3.4.1 Mơ tả thuật tốn 96 3.4.2 Vết mùi 96 3.4.3 Thủ tục xác định cặp đỉnh dóng hàng 97 3.4.4 Quy tắc cập nhật vết mùi 98 3.4.5 Thủ tục tìm kiếm cục .99 3.5 Kết thực nghiệm 99 3.5.1 Dữ liệu thực nghiệm 99 3.5.2 Thực nghiệm so sánh thuật toán FASTAN với thuật toán SPINAL 100 3.5.3 Thực nghiệm so sánh thuật toán ACOGNA với thuật toán FASTAN MAGNA++ 103 3.5.4 Thực nghiệm so sánh thuật toán ACOGNA++ với thuật toán ACOGNA, MAGNA++ ModuleAlign 108 3.6 Kết luận chương 110 KẾT LUẬN 113 DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN .117 TÀI LIỆU THAM KHẢO 118 DANH MỤC BẢNG BIỂU Bảng 2.1 So sánh chất lượng dóng hàng S(A) thời gian chạy với liệu gồm 4, 8, 16 32 đồ thị, số đỉnh trung bình đồ thị 20 đỉnh 71 Bảng 2.2 So sánh chất lượng dóng hàng S(A) thời gian chạy với liệu gồm 4, 8, 16 32 đồ thị, số đỉnh trung bình đồ thị 50 đỉnh 71 Bảng 2.3 So sánh điểm chất lượng dóng hàng S(A) với liệu 8,16 32 đồ thị, với số đỉnh trung bình đồ thị 20 đỉnh thời gian chạy 50s .73 Bảng 2.4 So sánh điểm chất lượng dóng hàng S(A) với liệu 8,16 32 đồ thị, với số đỉnh trung bình đồ thị 20 đỉnh thời gian chạy 150s 73 Bảng 2.5 So sánh điểm chất lượng dóng hàng S(A)với liệu 8,16 32 đồ thị, với số đỉnh trung bình đồ thị 20 đỉnh thời gian chạy 200s 73 Bảng 2.6 So sánh điểm chất lượng dóng hàng S(A) với liệu 4, 8,16 32 đồ thị, với số đỉnh trung bình đồ thị 50 đỉnh thời gian chạy 200s 74 Bảng 2.7 So sánh điểm chất lượng dóng hàng S(A) với liệu 4, 8,16 32 đồ thị, với số đỉnh trung bình đồ thị 50 đỉnh thời gian chạy 300s 74 Bảng 2.8 So sánh điểm chất lượng dóng hàng S(A) với liệu 4, 8,16 32 đồ thị, với số đỉnh trung bình đồ thị 50 đỉnh thời gian chạy 600s 74 Bảng 2.9 So sánh chất lượng lời giải thuật toán với tập liệu gồm 4, 8, 16 32 đồ thị .76 Bảng 2.10 So sánh thời gian chạy (tính theo giây) thuật toán với tập liệu gồm 4, 8, 16 32 đồ thị 77 Bảng 2.11 So sánh điểm chất lượng dóng hàng S(A) thuật tốn với thời gian chạy với tập gồm 4,8,16 32 đồ thị 79 Bảng 3.1 Mô tả liệu 100 Bảng 3.2 So sánh thuật toán FASTAN thuật toán Spinal theo hàm mục tiêu GNAS giá trị | E12| với giá trị tham số α khác 102 Bảng 3.3 Thời gian chạy trung bình thuật tốn FASTAN (tính theo đơn vị giây) thuật tốn SPINAL chạy với liệu 103 Bảng 3.4 So sánh thuật toán ACOGNA thuật toán FASTAN theo tiêu chuẩn GNAS giá trị |E12| với giá trị α khác 105 Bảng 3.5 So sánh ACOGNA MAGNA++ theo tiêu chuẩn EC .106 Bảng 3.6 So sánh ACOGNA MAGNA++ theo tiêu chuẩn S3 107 Bảng 3.7 So sánh thuật toán theo tiêu chuẩn S3 109 cứu ứng dụng thuật toán đề xuất vào toán thời lĩnh vực mạng xã hội [J Zhang & Yu, 2015; Y Zhang, Tang, Yang, Pei, & Yu, 2015] 116 DANH MỤC CÁC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN Trần Ngọc Hà, Đỗ Đức Đông, Hoàng Xuân Huấn (2013), “An Efficient Ant Colony Optimization Algorithm for Multiple Graph Alignment”, Proceedings of International Conference on Computing, Management and Telecommunications (ComManTel),Ho Chi Minh City, Vietnam, pp.386-391 (Scopus) Trần Ngọc Hà, Đỗ Đức Đơng, Hồng Xn Huấn (2014), “A Novel Ant Based Algorithm for Multiple Graph Alignment”, Proceedings of the 2014 International Conference on Advanced Technologies for Communications, pp 181-186 (Scopus) Đỗ Đức Đông, Trần Ngọc Hà, Đặng Thanh Hải, Đặng Cao Cường, Hoàng Xuân Huấn (2015), “An efficient algorithm for global alignment of protein-protein interaction networks”, Proceedings of the 2015 International Conference on Advanced Technologies for Communications, pp 332-336 (Scopus) Trần Ngọc Hà, Hoàng Xuân Huấn (2015), “Một thuật toán tối ưu đàn kiến dóng hàng tồn cục mạng tương tác protein”, Proceedings of Fundamental and Applied IT Research Conference 2015 (FAIR 2015), Ha Noi, Viet Nam, pp 471-477 Ha Tran Ngoc, Huan Hoang Xuan (2016), “ACOGNA: An Efficient Method for Protein-Protein Interaction Network Alignment”, Proceedings of the The Eighth International Conference on Knowledge and Systems Engineering (KSE 2016), pp 7-12 Ha Tran Ngoc, Hien Le Nhu, Huan Hoang Xuan (2018), “A new memetic algorithm for multiple graph alignment”, VNU Journal of Science: Computer Science and Communication Engineering , vol 34, no 1, pp 1-9 117 TÀI LIỆU THAM KHẢO Tiếng Việt Lê Sỹ Vinh (2014), Nhập môn Tin sinh học, NXB Đại học Quốc gia Hà Nội, Hà Nội Tiếng Anh Aladag, A E., & Erten, C (2013) "SPINAL: scalable protein interaction network alignment" Bioinformatics, 29(7), pp 917–924 Alföldi, J., & Lindblad-Toh, K (2013) "Comparative genomics as a tool to understand evolution and disease" Genome Res., 23(7), pp 1063–1068 Alkan, F., & Erten, C (2014) "BEAMS: backbone extraction and merge strategy for the global many-to-many alignment of multiple PPI networks" Bioinformatics, 30(4), pp 531–539 Altschul, S F., Gish, W., Miller, W., & Lipman, D J (1990) "Basic local alignment search tool" J Mol Biol., 215(3), pp 403–410 Altschul, S F., Madden, T L., Schffer, A A., Zhang, J., Zhang, Z., Miller, W., & Lipman, D J (1997) "Gapped BLAST and PSIBLAST: a new generation of protein database search programs" Nucleic Acids Res., 25(17), pp 3389–3402 Ashburner, M., Ball, C A., Blake, J A., Botstein, D., Butler, H., Cherry, J M., … Sherlock, G (2000) "Gene ontology: tool for the unification of biology" Nat Genet., 25(1), pp 25–29 118 Berg, J., & Lassig, M (2004) "Local graph alignment and motif search in biological networks" Proceedings of the National Academy of Sciences, 101(41), pp 14689–14694 Berg, J., & Lassig, M (2006) "Cross-species analysis of biological networks by Bayesian alignment" Proc Natl Acad Sci., 103(29), pp 10967–10972 10 Berman, H M., Battistuz, T., Bhat, T N., Bluhm, W F., Bourne, P E., Burkhardt, K., … Zardecki, C (2002) "The protein data bank" Acta Crystallographica Section D: Biological Crystallography, 58(6 I), pp 899–907 11 Biesecker, L G., Mullikin, J C., Facio, F M., Turner, C., Cherukuri, P F., Blakesley, R W., … Green, E D (2009) "The ClinSeq project: piloting large-scale genome sequencing for research in genomic medicine" Genome Res., 19, pp 1665–1674 12 Borrel, A (2016) Development of Computational Methods to Predict Pocket Druggability and Profile Ligands using Structural Data By Thesis Phd-penting University of Helsinki, Faculty of Pharmacy, Division of Pharmaceutical Chemistry and Technology Molécules Thérapeutiques in Silico (MTi), Inserm UMR-S 973, University Paris Diderot, France 13 Brin, S., & Page, L (1998) "The anatomy of a large-scale hypertextual web search engine" Comput Net ISDN Syst., 30(1–7), pp 107–117 14 Brownlee, J (2011) Clever Algorithms: Nature Inspired Programming Recipes Search 119 15 Chindelevitch, L., Liao, C.-S., & Berger, B (2010) "Local optimization for global alignment of protein interaction networks." Pacific Symposium On Biocomputing, 132, pp 123–132 16 Chindelevitch, L., Ma, C.- Y., Liao, C.- S., & Berger, B (2013) "Optimizing a global alignment of protein interaction networks" Bioinformatics, 29(21), pp 2765–2773 17 Ciriello, G., Mina, M., Guzzi, P H., Cannataro, M., & Guerra, C (2012) "AlignNemo: A local network alignment method to integrate homology and topology" PLoS ONE, 7(6), pp e38107 18 Clark, C., & Kalita, J (2014) "A comparison of algorithms for the pairwise alignment of biological networks" Bioinformatics, 30(16), pp 2351–2359 19 CONTE, D., FOGGIA, P., SANSONE, C., & VENTO, M (2004) "THIRTY YEARS OF GRAPH MATCHING IN PATTERN RECOGNITION" International Journal of Pattern Recognition and Artificial Intelligence, 18(03), pp 265–298 20 Correa, L., Borguesan, B., Farfan, C., Inostroza-Ponta, M., & Dorn, M (2018) "A memetic algorithm for 3D protein structure prediction problem" IEEE/ACM Transactions on Computational Biology and Bioinformatics, 15(3), pp 690–704 21 Do Duc, D., Dinh, H Q., & Hoang Xuan, H (2008) "On the pheromone update rules of ant colony optimization approaches for the job shop scheduling problem" In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol 5357 LNAI, pp 153–160) 120 22 Dohrmann, J., & Singh, R (2016) "The SMAL web server: global multiple network alignment from pairwise alignments" Bioinformatics, 32(21), pp 3330–3332 23 Dorigo, M., & Gambardella, L M (1997) "Ant Colony System: A Cooperative Learning Approach to the Traveling Salesman Problem" IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, 1(1), pp 53 24 Dorigo, M., & Stützle, T (2004) Ant Colony Optimization Cambridge, Massachusetts, London England: MIT Press 25 Edgar, R C (2004) "MUSCLE: multiple sequence alignment with high accuracy and high throughput" Nucleic Acids Research, 32(5), pp 1792–1797 26 El-Kebir, M., Heringa, J., & Klau, G W (2011) "Lagrangian relaxation applied to sparse global network alignment" In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol 7036 LNBI, pp 225–236) 27 Flannick, J., Novak, A., Balaji, S S., Harley, H M., & Batzglou, S (2006) "Graemlin general and robust alignment of multiple large interaction networks" Genome Res., 16(9), pp 214–231 28 Fober, T., Mernberger, M., Klebe, G., & Hüllermeier, E (2009) "Evolutionary construction of multiple graph alignments for the structural analysis of biomolecules" Bioinformatics, 25(16), pp 2110– 2117 121 29 Garbelini, J M C., Kashiwabara, A Y., & Sanches, D S (2018) "Sequence motif finder using memetic algorithm" BMC Bioinformatics, 19(1), pp 30 Gligorijević, V., Malod-Dognin, N., & Prulj, N (2015) "Fuse: Multiple network alignment via data fusion" Bioinformatics, 32(8), pp 1195– 1203 31 Glover, F (1986) "Future Paths for Integer Programming" Elsevier, 13(5), pp 533–549 32 Gong, M., Peng, Z., Ma, L., & Huang, J (2016) "Global Biological Network Alignment by Using Efficient Memetic Algorithm" IEEE/ACM Transactions on Computational Biology and Bioinformatics, 13(6), pp 1117–1129 33 Guzzi, P H., & Milenković, T (2018) "Survey of local and global biological network alignment: the need to reconcile the two sides of the same coin" Briefings in Bioinformatics, 19(3), pp bbw132 34 Hashemifar, S., Ma, J., Naveed, H., Canzar, S., & Xu, J (2016) "ModuleAlign: Module-based global alignment of protein-protein interaction networks" Bioinformatics, 32(17), pp i658–i664 35 Hendlich, M., Bergner, A., Günther, J., & Klebe, G (2003) "Relibase: Design and Development of a Database for Comprehensive Analysis of Protein–Ligand Interactions" Journal of Molecular Biology, 326(2), pp 607–620 36 Hendlich, M., Rippmann, F., & Barnickel, G (1997) "LIGSITE: automatic and efficient detection of potential small molecule-binding 122 sites in proteins" Journal of Molecular Graphics and Modelling, 15(6), pp 359–363 37 Holland, J H (1975) "Adaptation in Natural and Artificial Systems" Ann Arbor MI University of Michigan Press 38 Hu, J., Kehr, B., & Reinert, K (2014) "NetCoffee: A fast and accurate global alignment approach to identify functionally conserved proteins in multiple networks" Bioinformatics, 30(4), pp 540–548 39 Huan, H X., Linh-Trung, N., Huynh, H.-T., & others (2013) "Solving the Traveling Salesman Problem with Ant Colony Optimization: A Revisit and New Efficient Algorithms" REV Journal on Electronics and Communications, 2(3–4) 40 Huan, H X., Tuyet, D T A., Ha, D T T., & Hung, N T (2015) "An Efficient Ant Colony Algorithm for DNA Motif Finding" (pp 589– 601) Springer, Cham 41 Ibragimov, R., Malek, M., Baumbach, J., & Guo, J (2014) "Multiple graph edit distance" In Proceedings of the 2014 conference on Genetic and evolutionary computation - GECCO ’14 (pp 277–284) New York, New York, USA: ACM Press 42 Jukič, M., Konc, J., Gobec, S., & Janežič, D (2017) "Identification of Conserved Water Sites in Protein Structures for Drug Design" Journal of Chemical Information and Modeling, 57(12), pp 3094–3103 43 Junker, B, H., & Schreiber, H (2008) An introduction to biological networks and methods for their analysis John Wiley &Sons 123 44 Kelley, B P., Bingbing, Y., Lewitter, F., Sharan, R., Stockwell, B R., Ideker, T., … Ideker (2004) "PathBLAST: a tool for alignment of protein interaction networks" Nucleic Acids Res., 32(suppl_2), pp W83–W88 45 Kinoshita, K., & Nakamura, H (2005) "Identification of the ligand binding sites on the molecular surface of proteins" Protein Science, 14(3), pp 711–718 46 Koyutürk, M., Kim, Y., Topkara, U., Subramaniam, S., Szpankowski, W., & Grama, A (2006) "Pairwise alignment of protein interaction networks" J Comput Biol., 13(2), pp 182–199 47 Kuchaiev, O., Milenković, T., Memišević, V., Hayes, W., & Pržulj, N (2010) "Topological network alignment uncovers biological function and phylogeny" J R Soc Interface, 48 Kuchaiev, O., & Pržulj, N (2011) "Integrative network alignment reveals large regions of global network similarity in yeast and human" Bioinformatics, 27(10), pp 1390–1396 49 Liang, Z., Xu, M., Teng, M., & Niu, L (2006) "NetAlign: a webbased tool for comparison of protein interaction networks" Bioinformatics, 22 50 Liao, C., Lu, K., Baym, M., Singh, R., & Berger, B (2009) "IsoRankN: spectral methods for global alignment of multiple protein networks" Bioinformatics, 25(12), pp i253–i258 51 M Dorigo, V M and A C (1991) "Ant System: An Autocatalytic Optimizing Process" Technical Report 91-016, pp 21 124 52 M.Lesk, A (2002) Introduction to Bioinformatics New York: Oxford University Press Inc 53 Malod-Dognin, N., & Pržulj, N (2014) "GR-Align: fast and flexible alignment of protein 3D structures using graphlet degree similarity" Bioinformatics, 30(9), pp 1259–1265 54 Mamano, N., & Hayes, W B (2017) "SANA: simulated annealing far outperforms many other search algorithms for biological network alignment" Bioinformatics, 33(14), pp 2156–2164 55 Memišević, V., & Pržulj, N (2012) "C-GRAAL: Common-neighborsbased global graph alignment of biological networks" Integr Biol., 4(7), pp 734–743 56 Meng, L., Crawford, J., Striegel, A., & Milenkovic, T (2016) "IGLOO: Integrating global and local biological network alignment" 57 Mernberger, M., Klebe, G., & Hullermeier, E (2011) "SEGA: Semiglobal Graph Alignment for Structure-Based Protein Comparison" IEEE/ACM Transactions on Computational Biology and Bioinformatics, 8(5), pp 1330–1343 58 Milenković, T., Ng, W L., Hayes, W., & Pržulj, N (2010) "Optimal network alignment with graphlet degree vectors" Cancer Inform., 9, pp 121 59 Mina, M., & Guzzi, P H (2012) "AlignMCL: Comparative analysis of protein interaction networks through Markov clustering" In Proceedings - 2012 IEEE International Conference on Bioinformatics and Biomedicine Workshops, BIBMW 2012 (pp 174–181) IEEE 125 60 Neri, F (2011) Handbook of memetic algorithms (F Neri, C Cotta, & P Moscato, Eds.), Studies in Computational Intelligence (Vol 379) Berlin, Heidelberg: Springer Berlin Heidelberg 61 Notredame, C., Higgins, D G., & Heringa, J (2000) "T-coffee: a novel method for fast and accurate multiple sequence alignment" Journal of Molecular Biology, 302(1), pp 205–217 62 Pache, R., & P Aloy (2012) "A novel framework for the comparative analysis of biological networks" PLOS ONE, 7(2), pp e31220 63 Park, D., Singh, R., Baym, M., Liao, C.-S., & Berger, B (2010) "IsoBase: a database of functionally related proteins across PPI networks" Nucleic Acids Research, 39(suppl_1), pp D295 D300 64 Patro, R., & Kingsford, C (2012) "Global network alignment using multiscale spectral signatures" Bioinformatics, 28(23), pp 3105–3114 65 Sahraeian, S., & Yoon, B.-J (2013) "SMETANA: Accurate and scalable algorithm for probabilistic alignment of large-scale biological networks." PLOS ONE, 8(7), pp e67995 66 Saraph, V., & Milenković, T (2014) "MAGNA: maximizing accuracy in global network alignment" Bioinformatics, 30(20), pp 2931–2940 67 Schmitt, S., Kuhn, D., & Klebe, G (2002) "A New Method to Detect Related Function Among Proteins Independent of Sequence and Fold Homology" Journal of Molecular Biology, 323(2), pp 387–406 68 Schrijver, A (2006) A Course in Combinatorial Optimization Department of Mat., University of Amsterdam 126 69 Sharan, R., & Ideker, T (2006) "Modeling cellular machinery through biological network comparison" Nat Biotechnol., 24(4), pp 427–433 70 Sharan, R., Suthram, S., Kelley, R M., Kuhn, T., McCuine, S., Uetz, P., … Ideker, T (2005) "Conserved patterns of protein interaction in multiple species" In National Academy of Sciences (Vol 102, pp 1974–1979) National Academy of Sciences 71 Singh, R., Xu, J., & Berger, B (2007) "Pairwise global alignment of protein interaction networks by matching neighborhood topology" In Annual International Conference on Research in Computational Molecular Biology (pp 16–31) Oakland, CA, USA: Springer 72 Singh, R., Xu, J., & Berger, B (2008) "Global alignment of multiple protein interaction networks" Proc Pac Symp Biocomput., 13, pp 303–314 73 Sjolander, K (2004) "Phylogenomic inference of protein molecular function: advances and challenges" Bioinformatics, 20(2), pp 170– 179 74 Stützle, T., & Hoos, H H (2000) "MAX–MIN Ant System" Future Generation Computer Systems, 16(8), pp 889–914 75 Thompson, J D., Higgins, D G., & Gibson, T J (1994) "CLUSTAL W: improving the sensitivity of progressive multiple sequence alignment through sequence weighting, position-specific gap penalties and weight matrix choice" Nucleic Acids Research, 22(22), pp 4673– 4680 127 76 Todd, A E., Orengo, C A., & Thornton, J M (2001) "Evolution of function in protein superfamilies, from a structural perspective" Journal of Molecular Biology, 307(4), pp 1113–1143 77 Tsai, S Q., Iafrate, A J., & Joung, J K (2014) "Genome editing: a tool for research and therapy: towards a functional understanding of variants for molecular diagnostics using genome editing" Nat Med., 20(10), pp 1103–1104 78 Vijayan, V., Critchlow, D., & Milenković, T (2017) "Alignment of dynamic networks" Bioinformatics, 33(14), pp i180–i189 79 Vijayan, V., & Milenkovic, T (2018) "Multiple network alignment via multiMAGNA++" IEEE/ACM Transactions on Computational Biology and Bioinformatics, pp 1–1 80 Vijayan, V., Saraph, V., & Milenković, T (2015) "MAGNA++: maximizing accuracy in global network alignment via both node and edge conservation" Bioinformatics, 31(14), pp 2409–2411 81 Volna, E (2013) Introduction to Soft Computing bookboon.com 82 Weskamp, N., Hüllermeier, E., Kuhn, D., & Klebe, G (2007) "Multiple graph alignment for the structural analysis of protein active sites" IEEE/ACM Transactions on Computational Biology and Bioinformatics, 4(2), pp 310–320 83 Xifeng Yan, Feida Zhu, Jiawei Han, & Yu, P S (2006) "Searching Substructures with Superimposed Distance" In 22nd International Conference on Data Engineering (ICDE’06) (pp 88–88) IEEE 128 84 Yan, X., Yu, P S., & Han, J (2005) "Substructure similarity search in graph databases" In Proceedings of the 2005 ACM SIGMOD international conference on Management of data - SIGMOD ’05 (pp 766–777) New York, New York, USA: ACM Press 85 Yang, W., & Lai, L (2017) "Computational design of ligand-binding proteins" Current Opinion in Structural Biology, 45, pp 67–73 86 Yang, X.-S (2014) "Nature-Inspired Optimization Algorithms" In Nature-Inspired Optimization Algorithms Elsevier 87 Yang, X.-S., & Wiley InterScience (Online service) (2010) Engineering optimization : an introduction with metaheuristic applications John Wiley 88 Yuan, X., Xu, Y., Yuan, X., & Xu, Y (2018) "Recent Trends and Applications of Molecular Modeling in GPCR–Ligand Recognition and Structure-Based Drug Design" International Journal of Molecular Sciences, 19(7), pp 2105 89 Zaslavskiy, M., Bach, F., & Vert, J P (2009) "Global alignment of protein-protein interaction networks by graph matching methods" Bioinformatics, 25(12), pp i259-1267 90 Zhang, J., & Yu, P S (2015) "Multiple Anonymized Social Networks Alignment" In 2015 IEEE International Conference on Data Mining (pp 599–608) IEEE 91 Zhang, S., Hu, M., & Yang, J (2007) "TreePi: A Novel Graph Indexing Method" In 2007 IEEE 23rd International Conference on Data Engineering (pp 966–975) IEEE 129 92 Zhang, Y., Tang, J., Yang, Z., Pei, J., & Yu, P S (2015) "COSNET" In Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD’15 (pp 1485– 1494) New York, New York, USA: ACM Press 130 ... "Một số thuật tốn dóng hàng mạng protein với nội dung nghiên cứu áp dụng kỹ thuật TƯTH mềm để đề xuất số thuật tốn thơng minh giải hai tốn dóng hàng nhiều mạng vị trí liên kết protein dóng hàng. .. trúc protein mà chúng không biểu diễn đồ thị Dựa số lượng mạng tương tác dóng hàng lúc tốn dóng hàng mạng tương tác protein - protein phân loại thành tốn dóng hàng hai mạng tốn dóng hàng đa mạng. .. hai toán thời sự: dóng hàng nhiều mạng vị trí liên kết protein dóng hàng tồn cục hai mạng tương tác protein- protein (về sau gọi gọn mạng tương tác protein) 1.1.2 Bài tốn dóng hàng nhiều mạng