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