cdlib.algorithms.mcode

cdlib.algorithms.mcode(g_original: object, weights: str | None = None, weight_threshold: float = 0.2) → NodeClustering

MCODE 是最早的种子增长方法，用于从 PPI 网络预测蛋白质复合物。MCODE 的工作分为两个步骤：

1. 顶点加权，和

2. 分子复合物预测。

在顶点加权步骤中，PPI网络中顶点v的权重是根据v的邻域（包括v）的最高k核计算的。 图的k核是一个子图，其中每个节点的度数都至少为k；最高k核就是k值最大的k核。 v的权重定义为这个最大k乘以相应k核的密度。

支持的图表类型

无向	有向	加权
是的	否	是的

Parameters:

• g_original – 一个 networkx/igraph 对象

• weights – 用于边权重的标签。默认值为None。

• weight_threshold – 相似度权重的阈值

Returns:

节点聚类对象

Example:

>>> from cdlib import algorithms
>>> import networkx as nx
>>> G = nx.karate_club_graph()
>>> coms = algorithms.mcode(G)

References:

Bader, G.D., Hogue, C.W. 2003. 一种在大规模蛋白质相互作用网络中寻找分子复合物的自动化方法。BMC Bioinformatics 4, 2.

注意

参考实现: https://github.com/trueprice/python-graph-clustering