Detailansicht
Analyzing the spectral properties of biological networks
Edina Marica
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Data Science
Betreuer*in
Jörg Menche
Mitbetreuer*in
Felix Müller
DOI
10.25365/thesis.81469
URN
urn:nbn:at:at-ubw:1-21736.51748.541619-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Arbeit untersucht die Anwendung der spektralen Graphentheorie auf die Analyse biologischer Netzwerke, mit einem besonderen Fokus auf Protein-Protein-Interaktionsnetzwerke. Wir analysieren, wie strukturelle Eigenschaften von Graphen in den Eigenwerten und Eigenvektoren der symmetrisch normalisierten Laplace-Matrixdarstellungen der Graphen zum Ausdruck kommen und wie diese Information zur Untersuchung von Proteinkomplexen und Krankheitsmodulen genutzt werden kann. Insbesondere betrachten wir die Eigenvektor-Lokalisierung von Proteinkomplexen, die Rekonstruktion von Krankheitsmodulen aus spektraler Information sowie die graphenbasierte Clusterung krebsbezogener Erkrankungen auf Basis von Laplace-Eigenwert-Einbettungen. Die spektralen Ansätze werden im Vergleich zu State-of-the-Art-Methoden evaluiert. Numerische Experimente zeigen, dass Laplace-basierte Verfahren biologisch relevante strukturelle Eigenschaften effektiv erfassen und ein leistungsfähiges Werkzeug für die Analyse biologischer Netzwerke darstellen.
Abstract
(Englisch)
This thesis explores the application of spectral graph theory to biological network analysis, with a focus on the human protein-protein interaction network. We investigate how structural properties of graphs are reflected in the eigenvalues and eigenvectors of their symmetric normalized Laplacian matrix representation and how this information can be used to study protein complexes and disease modules. In particular, we examine eigenvector localization of protein complexes, the reconstruction of disease modules from spectral information, and the graph-level clustering of cancer diseases based on Laplacian eigenvalue embeddings. The spectral approaches are evaluated in comparison with state-of-the-art methods. The experimental results demonstrate that Laplacian-based approaches effectively capture biologically relevant structural properties and provide a powerful tool for biological network analysis.
Schlagwörter
Schlagwörter
(Deutsch)
Netzwerk Wissenschaft spektrale Graphentheorie Protein-Protein-Interaktionsnetzwerke
Schlagwörter
(Englisch)
network science spectral graph theory protein-protein interaction network
Autor*innen
Edina Marica 
Haupttitel (Englisch)
Analyzing the spectral properties of biological networks
Publikationsjahr
2026
Umfangsangabe
x, 87 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Jörg Menche
AC Nummer
AC17918427
Utheses ID
81244
Studienkennzahl
UA | 066 | 645 | |