《表2 丹红注射液治疗冠心病心绞痛靶点网络的模块划分结果和熵值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《丹红注射液治疗冠心病心绞痛基因网络的模块划分与生物学机制分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

分别用MCODE，MCL和GLay算法对上述丹红注射液治疗冠心病心绞痛靶点网络进行功能模块识别，见表2。熵越小，系统越稳定，最小熵具有最小不确定性，从大网络中识别出功能模块的过程是一个熵减的过程，熵越小，节点间越相似，识别出来的功能模块就越稳定。通过最小网络结构熵算法优化后发现，用MCODE算法划分网络后熵值最小。因此，本研究选用MCODE算法识别的功能模块作进一步分析。MCODE算法是根据复合物中每个蛋白的平均连接数量（即MCODE评分，MCODE评分=密度×节点数）对模块进行排序。在靶点网络中共识别出12个模块（节点数>3），见图7，根据MCODE评分排序，最大模块有47个节点和962条边，评分41.826分；最小模块有4个节点和5条边，评分3.333分。