ISSN: 0974-276X
Colin Mclean, Xin He, Ian Simpson T y Douglas Armstrong J
La última década ha visto un rápido crecimiento en la aplicación de herramientas computacionales para extraer información de redes biológicas, y de particular interés aquí, visualizar la estructura de la comunidad dentro de tales redes. Los enfoques de agrupamiento han demostrado ser métodos útiles para descubrir subgrupos estructurales y funcionales dentro de las redes de interacción de proteínas. Sin embargo, muchos métodos de agrupamiento de uso común para identificar subestructuras funcionalmente relevantes dentro de redes moleculares no funcionan bien con tamaños de red cada vez mayores.
Probamos el rendimiento de los algoritmos en términos de su capacidad para identificar subclústeres funcionalmente relevantes dentro de redes de diferentes tamaños, así como el rendimiento computacional. Nuestros estudios sugieren que muchos algoritmos funcionan bien en redes más pequeñas pero no logran escalar con el tamaño de la red. Un algoritmo de agrupamiento de Modularidad basado en Spectral, con un paso de ajuste fino, proporcionó tanto escalabilidad como identificación mejorada de grupos enriquecidos para anotación funcional (p. ej., enfermedad) en conjuntos de datos de interacción proteómica real.