4. ConclusionEssential proteins are

4. Conclusion
Essential proteins are of great significance for the survival and
development of organism. Recent studies have exerted consider-
able efforts in predicting essential proteins. Many centrality
measures have been proposed to identify essential proteins based
on PPI networks. However, dynamics exist in the PPI networks. This
important inherent property has been ignored by previously
proposed methods. Basing on this fact, we take advantage of
dynamic network topology to predict essential proteins and
propose a new method named CDLC. CDLC predicts essential
proteins by combining dynamic local average connectivity with
in-degree of proteins in complexes.
We can draw the following four conclusions from the
experimental results. First, the quality of our dynamic PPI network
is higher than that of the static PPI network. Second, topology-
based methods can achieve better effects when they are
implemented in the dynamic PPI network than when they are
implemented in the static PPI network. Third, CDLC can outper-
form five previously proposed methods (DC, LAC, SoECC, PeC, and
CoEWC). Furthermore, the prediction precision can be improved by
more than 45% when comparing CDLC with DC. Fourth, CDLC can
achieve higher prediction precision than CEPPK which is the latest
method for discovering essential proteins.
Although CDLC performs better than most previously proposed
methods, our method for the construction of dynamic PPI network
has limitations. The expression value of a gene is obtained by
analyzing the level of mRNA related to it. However, the level of
mRNA is just one of the factors which influence the level of protein
in a cell. That is, the level of protein in a cell is not always correlated
with the expression of the gene. Therefore, the dynamic PPI
network in this study can not perfectly match the real one. This
finding may partially account for the inaccurate prediction of
essential proteins. The contents of dynamic data are expected to
increase in the future. The performance of our method can be
improved by integrating several types of dynamic data to construct
a realistic dynamic PPI network. Further efforts can also be exerted
to improve prediction precision from the aspect of the inherent
property of essential proteins.

ผลลัพธ์ (ไทย) 1:

4. บทสรุปโปรตีนสำคัญที่มี significance มากสำหรับการอยู่รอด และการพัฒนาของสิ่งมีชีวิต พื้นที่การศึกษาล่าสุดได้พิจารณา-ความสามารถในการทำนายโปรตีนจำเป็น หลายแห่งได้รับการเสนอมาตรการระบุโปรตีนที่จำเป็นตามบนเครือข่าย PPI อย่างไรก็ตาม dynamics อยู่ในเครือข่าย PPI นี้คุณสมบัติสำคัญแต่กำเนิดถูกละเว้นโดยก่อนหน้านี้วิธีการนำเสนอ เราอ้างอิงบนความจริง เอารัดเอาเปรียบโทโพโลยีเครือข่ายแบบไดนามิกเพื่อทำนายโปรตีนที่จำเป็น และเสนอวิธีการใหม่ที่ชื่อ CDLC CDLC ทำนายสิ่งสำคัญโปรตีน โดยการรวมเชื่อมต่อเฉลี่ยภายในแบบไดนามิกด้วยในองศาของโปรตีนในสิ่งอำนวยความสะดวก เราสามารถวาดสี่บทสรุปต่อจากนี้ผลการทดลอง แรก คุณภาพของเครือข่ายของเรา PPI แบบไดนามิกจะสูงกว่าที่เครือข่าย PPI คง โทโพโลยีที่สอง -วิธีใช้สามารถบรรลุผลที่ดีเมื่อพวกเขาดำเนินการในเครือข่าย PPI ไดนามิกมากกว่าเมื่อใดนำมาใช้ในเครือข่าย PPI คง 3, CDLC สามารถ outper-แบบฟอร์ม five ก่อนหน้านี้นำเสนอวิธีการ (DC, LAC, SoECC, PeC และCoEWC) นอกจากนี้ ความแม่นยำในการพยากรณ์สามารถปรับปรุงโดยกว่า 45% เมื่อเปรียบเทียบ CDLC กับ DC 4, CDLC สามารถให้ทำนายความแม่นยำที่สูงกว่า CEPPK ซึ่งล่าสุดวิธีการค้นพบโปรตีนที่จำเป็น แม้ว่า CDLC จะดีกว่าที่สุดก่อนหน้านี้ ที่นำเสนอวิธี วิธีสร้างเครือข่าย PPI แบบไดนามิกของเรามีข้อจำกัด ค่านิพจน์ของยีนได้รับมาโดยวิเคราะห์ระดับของ mRNA ที่เกี่ยวข้องกับมัน อย่างไรก็ตาม ระดับของmRNA เป็นเพียงหนึ่งของ influence ที่ระดับของโปรตีนในเซลล์ นั่นคือ ระดับของโปรตีนในเซลล์จะไม่เสมอ correlatedด้วยค่าของยีน ดังนั้น PPI แบบไดนามิกเครือข่ายในการศึกษานี้สามารถไม่ตรงจริงอย่างสมบูรณ์แบบ นี้finding บางส่วนอาจบัญชีสำหรับทำนายไม่ถูกต้องของโปรตีนจำเป็น เนื้อหาของข้อมูลแบบไดนามิกคาดว่าจะเพิ่มขึ้นในอนาคต ประสิทธิภาพของวิธีการของเราได้ปรับปรุง โดยรวมหลายชนิดของข้อมูลแบบไดนามิกสร้างจริงแบบไดนามิก PPI เครือข่าย ความสามารถยังได้นั่นเองเพื่อปรับปรุงความแม่นยำในการคาดเดาจากด้านในโดยธรรมชาติคุณสมบัติของโปรตีนจำเป็น

ผลลัพธ์ (ไทย) 2:

4. สรุป
โปรตีนสำคัญที่มีนัยสำคัญที่ดีนัย Fi เพื่อความอยู่รอดและ
การพัฒนาของสิ่งมีชีวิต การศึกษาล่าสุดได้ทุ่มเทการพิจารณา
ความสามารถในการพยากรณ์โปรตีนที่สำคัญ ศูนย์กลางหลาย
มาตรการที่ได้รับการเสนอในการระบุโปรตีนที่จำเป็นขึ้นอยู่
บนเครือข่าย PPI อย่างไรก็ตามการเปลี่ยนแปลงที่อยู่ในเครือข่าย PPI นี้
มีความสำคัญของสถานที่โดยธรรมชาติได้รับการปฏิเสธโดยก่อนหน้านี้
วิธีการที่นำเสนอ พิจารณาจากความเป็นจริงนี้เราใช้ประโยชน์จาก
โครงสร้างเครือข่ายแบบไดนามิกที่จะทำนายโปรตีนที่จำเป็นและ
นำเสนอวิธีการใหม่ที่ชื่อ CDLC CDLC ทำนายที่สำคัญ
โปรตีนโดยการรวมการเชื่อมต่อแบบไดนามิกโดยเฉลี่ยในท้องถิ่นที่มี
อยู่ในระดับของโปรตีนในคอมเพล็กซ์
เราสามารถวาดสี่ต่อไปนี้ข้อสรุปจาก
ผลการทดลอง เป็นครั้งแรกที่มีคุณภาพของเครือข่าย PPI แบบไดนามิกของเรา
จะสูงกว่าของเครือข่าย PPI คงที่ ประการที่สอง topology-
วิธีการที่ใช้สามารถบรรลุผลที่ดีขึ้นเมื่อพวกเขาถูก
นำมาใช้ในเครือข่าย PPI แบบไดนามิกกว่าเมื่อพวกเขาจะถูก
นำมาใช้ในเครือข่าย PPI คงที่ ประการที่สาม CDLC สามารถ outper-
Fi รูปแบบและวิธีการที่นำเสนอก่อนหน้านี้ (DC, LAC, SoECC, PEC และ
CoEWC) นอกจากนี้ความแม่นยำทำนายได้ดีขึ้นโดย
กว่า 45% เมื่อเปรียบเทียบกับ CDLC DC ประการที่สี่ CDLC สามารถ
บรรลุความแม่นยำสูงกว่าการคาดการณ์ CEPPK ซึ่งเป็นรุ่นล่าสุด
วิธีการสำหรับการค้นพบโปรตีนที่สำคัญ
แม้ว่า CDLC ดำเนินการดีกว่ามากที่สุดที่นำเสนอก่อนหน้านี้
วิธีการวิธีการของเราในการสร้างเครือข่ายแบบไดนามิก PPI
มีข้อ จำกัด มูลค่าการแสดงออกของยีนที่ได้มาจาก
การวิเคราะห์ระดับของ mRNA ที่เกี่ยวข้องกับมัน อย่างไรก็ตามระดับของ
mRNA เป็นเพียงหนึ่งในปัจจัยที่มีอิทธิพลในระดับของโปรตีน
ในเซลล์ นั่นคือระดับของโปรตีนในเซลล์จะไม่มีความสัมพันธ์มักจะ
มีการแสดงออกของยีน ดังนั้น PPI แบบไดนามิก
เครือข่ายในการศึกษาครั้งนี้จะไม่สมบูรณ์ตรงกับของจริง นี้
Nding Fi อาจบางส่วนบัญชีสำหรับการคาดการณ์ไม่ถูกต้องของ
โปรตีนที่สำคัญ เนื้อหาของข้อมูลแบบไดนามิกที่คาดว่าจะ
เพิ่มขึ้นในอนาคต ประสิทธิภาพของวิธีการที่เราสามารถ
ปรับปรุงให้ดีขึ้นโดยการบูรณาการหลายประเภทของข้อมูลแบบไดนามิกที่จะสร้าง
เครือข่าย PPI แบบไดนามิกที่สมจริง พยายามต่อไปนอกจากนี้ยังสามารถทุ่มเท
เพื่อปรับปรุงความแม่นยำทำนายจากทุกแง่มุมของธรรมชาติ
ทรัพย์สินของโปรตีนที่สำคัญ

ผลลัพธ์ (ไทย) 3:

4 . สรุป
จำเป็นโปรตีนที่ดีของ signi ถ่ายทอดโรคมะเร็งสำหรับการอยู่รอด และการพัฒนาของระบบสิ่งมีชีวิต การศึกษาล่าสุดได้นั่นเอง -
สามารถพิจารณาความพยายามในการทำนายที่สำคัญโปรตีน วัดศูนย์กลาง
หลายคนได้เสนอให้ระบุโปรตีนที่สําคัญตาม
บนเครือข่าย PPI . อย่างไรก็ตาม พลวัตอยู่ในประเทศ เครือข่าย นี้คุณสมบัติโดยธรรมชาติ
สำคัญ ถูกละเลย โดยก่อนหน้านี้
เสนอวิธีการ พิจารณาข้อเท็จจริงนี้ เราใช้ประโยชน์จากโครงสร้างเครือข่ายแบบไดนามิกเพื่อทำนาย

ขอโปรตีนที่จำเป็นและวิธีการใหม่ที่ชื่อ cdlc . โปรตีนที่จำเป็นต่อ cdlc
โดยการรวมแบบไดนามิกโดยการเชื่อมต่อกับท้องถิ่นในระดับของโปรตีน complexes
.
เราวาดสี่ข้อสรุปจาก
ผลการทดลองต่อไปนี้ ครั้งแรก , คุณภาพของ PPI
เครือข่ายพลังของเราจะสูงกว่าของเครือข่าย หรือ คงที่ 2 , โครงสร้าง -
ตามวิธีการให้บรรลุผลเมื่อมีการใช้ในเครือข่ายแบบไดนามิก

PPI กว่าเมื่อพวกเขาใช้ในแบบคงที่หรือเครือข่าย 3 cdlc สามารถ outper -
ฟอร์มก่อนหน้านี้จึงได้เสนอวิธีการ ( DC , ครั่ง soecc PEC และ , ,
coewc ) นอกจากนี้ การคาดการณ์ที่แม่นยำสามารถปรับปรุงโดย
มากกว่า 45 % เมื่อเทียบ cdlc กับ DC 4 cdlc สามารถบรรลุความแม่นยำการทำนายมากกว่า

ceppk ซึ่งเป็นวิธีการใหม่ล่าสุดสำหรับการค้นพบโปรตีนที่จำเป็น แม้ว่า cdlc มีประสิทธิภาพดีกว่า

ส่วนใหญ่ก่อนหน้านี้เสนอวิธีการ วิธีการของเราเพื่อสร้างเครือข่ายแบบไดนามิก PPI
มีข้อจำกัด การแสดงออกของยีนได้ โดยค่า
การวิเคราะห์ระดับของ mRNA ที่เกี่ยวข้องกับมัน อย่างไรก็ตาม ระดับ mRNA ของ
เป็นเพียงปัจจัยหนึ่งซึ่งfl uence ระดับโปรตีน
ในเซลล์ นั่นคือระดับของโปรตีนในเซลล์ไม่เสมอความสัมพันธ์
กับการแสดงออกของยีน ดังนั้น ไดนามิก PPI
เครือข่ายในการศึกษานี้ไม่สามารถสมบูรณ์ตรงกับของจริง นี้
จึงหาอาจบัญชีสำหรับบางส่วนของ
ทำนายไม่ถูกต้องโปรตีนจำเป็น เนื้อหาของข้อมูลแบบไดนามิกที่คาดว่า

เพิ่มมากขึ้นในอนาคต ประสิทธิภาพของวิธีการของเราสามารถ
ปรับปรุงโดยรวมหลายประเภทของข้อมูลแบบไดนามิกเพื่อสร้างเครือข่ายแบบไดนามิก
PPI เหมือนจริง ความพยายามเพิ่มเติม ยังสามารถใช้เพื่อปรับปรุงความแม่นยำ
ทำนายจากด้านคุณสมบัติโดยธรรมชาติ

ของโปรตีนที่จำเป็น