PPI网络比对文章汇总

一、已读文章

两个网络的：

HubAlign：采用重要性节点“Importence”，根据hub节点和瓶颈节点，采用最小度启发式算法进行比对。拓扑较好，生物指标较差。（BioInforMatics）2014

论文链接：HubAlign: an accurate and efficient method for global alignment of protein–protein interaction networks | Bioinformatics | Oxford Academic

代码：http://ttic.uchicago.edu/~hashemifar/software/HubAlign.zip

注：代码已经成功调试

GRALL：使用graphlet进行拓扑计算，之后有一系列衍生算法，目前有一篇文章将embeding与graphlet在网络比对效果进行比较，graphlet率占优势。（Interface）2010

论文链接：Topological network alignment uncovers biological function and phylogeny.-论文-万方医学网

代码：有L-GRALL MI-GRALL

注：没跑代码

NETAL：得分矩阵＋贪心得分矩阵=相似性得分矩阵+交互得分矩阵。相似性得分矩阵=拓扑+序列。

交互得分矩阵=保守边数量期望。（BioInformatics）2013

论文链接：NETAL: a new graph-based method for global alignment of protein-protein interaction networks - PubMed

代码：http://www.bioinf.cs.ipm.ir/software/netal

注：未跑

GPPIAL：基于正交序列，感觉就是NETAL算法的改进。（BIBM）2020

论文链接：10.1109/BIBM49941.2020.9313552

代码：GitHub - whuyrc/GPPIAL

注：已调试

SAlign：和HubAlign一样对网络中的Hub 和瓶颈节点操作，加入了一个TmAlign的结构信息。就是对HubAlign的改进，并且代码和Hub Align差不多。也做了变种，加入了mc随机化操作，效果一般。

论文链接：SAlign–a structure aware method for global PPI network alignment | BMC Bioinformatics | Full Text

代码：https://github.com/cbrl-nuces/SAlign

注：已调试

AlignMCL、AlignNemo、SL-GLAlign：三部曲，马尔可夫，SANA等一系列操作，同一个实验室出品，主要是局部比对，还有使用全局比对取做局部比对。并且Pietro Hiram Guzzi大佬还提供了一个使用embeding的思想去做网络比对，给了我一些启发。

论文链接：10.1109/TCBB.2014.2318707 （ACM trans）2014

10.1371/journal.pone.0038107（plos one）2013

SL-GLAlign: improving local alignment of biological networks through simulated annealing | SpringerLink （Network Modeling Analysis in Health Informatics and Bioinformatics） 2020

arXiv:2008.04581v1 [cs.SI] 11 Aug 2020 （embeding）

代码：很杂而且是局部比对没有太多看的必要

MAGNA、MAGNA++：使用遗传算法进行比对，时间太慢。

论文链接：doi:10.1093/bioinformatics/btu409（BioInformatics）2014

doi: 10.1093/bioinformatics/btv161（BioInforMatics）2015

代码：(Home Page)

注：太慢了

SANA：模拟退火算法，这个现在模拟退火都要被用烂了，但真的简单好用，其他启发式算法不是慢就是效果一般。

论文链接：10.1093/bioinformatics/btx090（BioInformatics）2017

代码：GitHub - waynebhayes/SANA: Simulating Annealing Network Aligner

注：代码中整合了很多算法，看起来还是较费劲，而且还在更新

AlignNet：模块化思想.也是个挺好的思路，可以聚类，使用。

论文链接：AligNet: alignment of protein-protein interaction networks | BMC Bioinformatics | Full Text（BMC BioInformatics）2020

代码：GitHub - biocom-uib/AligNet: R-package AligNet

注：代码使用的R语言，已跑通

CLMNA：多邻域学习，就是不断的邻居邻居套娃，还是在拓扑上进行变换，尽量能够学习到好的结构信息。

论文链接：10.1109/TCBB.2020.2985838

代码：未找到

ImAlign：自适应免疫系统，有点类似遗传算法。

论文链接： Adaptive Artificial Immune System for Biological Network Alignment | SpringerLink（Springer Nature Switzerland AG 2020）

无代码

ILALign：使用整数线性规划进行网络比对。

论文链接：Alignment of biological networks by integer linear programming: virus-host protein-protein interaction networks | BMC Bioinformatics | Full Text（BMC BioInformatics）2020

无代码

Graphlets node2vec and struc2vec：比较三者效果。

论文链接：arXiv:1805.04222v2 [cs.SI] 19 May 2018

无代码

多网络

BEAMS：多网络比对，分为骨干提取和骨干合并，分成簇，然后比对。

论文链接：doi:10.1093/bioinformatics/btt713（BioInforMatics）2014

代码：KADÝR HAS ÜNÝVERSÝTESÝ PERSONEL& WEB SÝTE*cesim/BEAMS.tar.gz

注：提供的代码里有些坑，其实很快的代码，但是源代码进行了打印，导致大量时间浪费在打印输出上面。

protein2vec：刚想做这个方面突然就发现了这篇文章，正好完美的复刻。使用struct2vec进行embeding，但是是多网络的，应该可以使用到两个网络上。

论文链接：10.1109/TCBB.2019.2937771

未找到代码，但是找到了这个中南大学的实验室一个人的github 如果后期需要可以发邮件试试。

IsoRankN：将IsoRank拓展到多网络上，Spectral partitioning。

论文链接：10.1093/bioinformatics/btp203

代码：IsoRank & IsoRankN: Global Alignment of Multiple PPI Networks (mit.edu)

是个可执行程序，但github上有源程序不知道是不是复现的，但是只需要可执行程序就好，没细究。

netcoffee：使用T-coffee+模拟退火

论文链接：10.1093/bioinformatics/btt715（BioInformatics）2014

代码： https://code.google.com/p/ netcoffee/.

注：使用了很古老的库LEDA，看代码看了老久

netcoffee2：图特征向量

论文链接：Hu et al. BMC Genomics 2019, 20(Suppl 13):932 A novel algorithm for alignment of multiple PPI networks based on simulated annealing | BMC Genomics | Full Text

代码： https://github.com/screamer/NetCoffee2.

使用Igraph库

MONACO：对焦点节点周围的“local”邻域进行迭代最优匹配来发现高精度的成对和多对网络对齐。

论文链接：i.10.1093/bioinformatics/xxxxxx

代码：https://github.com/bjyoontamu/MONAC

二、待读

An Adaptive Hybrid Algorithm for Global Network Alignment（IEEE trans）2016

An efficient algorithm for global alignment of protein-protein interaction networks （ATC）2015

Data-driven biological network alignment that uses topological, sequence, and functional information（arxiv）2020

Aligning dynamic networks with DynaWAVE（BioInformatics）2018

Computational Methods for Protein–Protein Interaction Network Alignment（Springer Nature Switzerland AG 2021）

Global Biological Network Alignment by Using Efficient Memetic Algorithm（IEEE Trans）2016

Index-Based Network Aligner of Protein-Protein Interaction Networks （IEEE trans）2018

INDEX: Incremental depth extension approach for protein–protein interaction networks alignment（Bio System）2017

MPGM: Scalable and Accurate Multiple Network Alignment（IEEE trans）2018

NAIGO: An Improved Method to Align PPI Networks Based on Gene Ontology and Graphlets （frontiers）2020

PROPER: global protein interaction network alignment through percolation matching（BMC BioInformatics）2017

三、IDEA

从拓扑上做改进，模块化，聚类，启发式算法。

我的githubhttps://github.com/Toxiang/PPI-Network-Alignment迅雷链接

论文相关链接：https://pan.xunlei.com/s/VMkgIFxAXWSNC5dXB028ATISA1
提取码：78ig

代码相关链接：https://pan.xunlei.com/s/VMkgIb6-5LyE4shmRTTb2bC5A1
提取码：pwb9