Generation of Random Network
Milo 使用了兩種演算法來確保隨機網路和真實的網路的每個點能有相同的 in-degree 和 out-degree， 這兩種所得到的結果是一樣的。
演算法 A：採用了 Markov-chain 演算法[13]，先造一個和真實網路一樣的隨 機網路，在隨機的挑選一對連結做交換(X1->Y1, X2->Y2 變成 X1->Y2, X2->Y1 假如 X1->Y2 或 X2->Y1 不存在的話)一直到整個隨機網路的亂度夠大為止。
Controlling for Appearances of (n-1)-Node Motifs
在我們所產生隨機網路中，每一個都和真實網路有相同的數目的(n-1)node subgraph，這樣的 null hypothesis 是為了在尋找 3-node 的基調時，能夠不受 substructure 的影響太大。我們的作法如了如上所說保持每個點的 in-degree 和 out-degree 不變外，我們也保持了每個點的 mutual edge(XÅÆY)的數目。我們使 用上述的演算法 A，分別處理 double edge 和 single edge 的情形，一個 double edge 只 可 以 和 另 一 個 double edge 做 交 換 (X1ÅÆY1, X2ÅÆY2 to X1ÅÆY2, X2ÅÆY1)假若(X1 和 Y2)(X2 和 Y1)在任何一個方向都是沒有連結的話。同樣
的，有方向性的 single edge 改變連結(X1ÆY1, X2ÆY2 變成 X1ÆY2, X2ÆY1) 只有在改變連結後不會形成 double edge 的情形下。
Network Motif Detection
在 一 個 連 結 矩 陣 M 為 了 要 有 效 率 的 計 算 所 有 有 連 結 的 n-node subgraph，尋找基調的演算法會將所有的列都掃過一遍。對於每一個非零的矩陣 元素(i,j)，再看其他的元素(i,k)(k,i)(j,k)(k,j)一直到所有的 n-node subgraph 都看過 後。Size=3 的每一種 subgraph 在網路中出現的次數都會被紀錄在一個表格中，
並且將所有不同 M 但是外表形狀是相同的 subgraph 加在一起。在每一個隨機網 路中，這一個步驟一直重複直到每一個非零的矩陣元素(i,j)都有找過一遍為止，
並且記錄每一種的 subgraph 出現的次數以和真實網路中出現的次數做比較。
Compare among different Networks
對於每一個 subgraph i，其統計上的重要性以 Z score 來表示：
附錄 B
Directed Network Description
Gene regulation Directed transcriptional regulation between operons[15]
Yeast transcription Directed transcriptional regulation between genes[16]
Social Network Inmates in prison choose “What fellows on the tier are you closest
friends with? [17]”.
College students in a course about leadership choose which three
members they wanted to have in a committee [18].
Food webs Tropic interactions in ecological food webs[19]
Electrical circuits The nodes represent logic gates and flip-flops. These data parsed from
ISCAS89 benchmark set
Table 3. The details of the networks
附錄Ｃ
Category Network Nodes Edges Motif Type
Motif
ID N.Real N.Random±SD Z Score
Gene Regulation E.coli 424 519 Small World 38 42 8.0±3.00 11.36
Small World 38 69 13.7±3.36 16.47 Yeast Transcription
Network Yeast 688 1079
Clustering 6 41 0.4±1.0 45.06 Clustering 6 11 3.0±3.1 25.31 Clustering 12 25 6.9±6.5 2.79 Clustering 36 72 8.3±7.9 8.04 Clustering 38 3 0.3±0.6 4.61 Clustering 74 41 2.1±3.90 10.05 Leader 32 96
Clustering 108 5 0.1±0.20 25.31 Clustering 12 33 15.6±8.5 2.07 Clustering 38 8 0.5±0.7 10.6 Small World 46 12 1.9±1.30 7.73 Small World 108 6 1.1±1.2 4.43 Small World 110 8 2.0±1.2 5.04 Social Network
Prisoner 67 182
Clustering 110 4 0.1±0.3 15.40
Small World 46 296 221.3±16.7 4.49 LittleRock 92 984
Small World 108 93 40.9±5.60 9.23 Ythan 83 391 Small World 12 1182 978.6±38.30 5.25 St. Martin 42 205 Clustering 6 337 207.4±36.80 3.52 Chesapeake 31 67 Clustering 36 32 9.5±6.50 3.45 Clustering 6 287 169.8±21.8 5.41 Clustering 12 129 28.8±8.4 11.88 Clustering 36 201 95.0±12.3 8.66 Clustering 38 306 103.6±15.1 12.8 Clustering 46 58 4.8±1.9 28.3 Clustering 74 61 5.9±3.1 17.89 Clustering 108 31 10.2±2.1 10.27 Clustering 110 7 0.3±0.6 11.5 Coachella 29 243
Clustering 238 8 0.1±0.14 57.00 Clustering 6 325 185.1±28.1 4.98 Small World 12 158 141.8±7.70 2.12 Clustering 12 26 4.1±3.60 6.02 Clustering 38 106 36.5±23.0 3 Small World 46 45 40.1±0.6 2.6 Food Webs
Skipwith 25 189
Clustering 108 15 9.6±1.6 3.45
Clustering 6 175 117.5±15.10 3.81 Small World 12 166 110.5±9.70 5.75 B.Brook 25 104
Small World 36 79 74.6±7.3 5.97
Small World 36 83 13.0±4.8 2.1 s208 122 189
Small World 98 10 0.9±0.90 10.51 s420 252 399 Small World 98 20 1.0±1.00 19.87 Electrical Circuits
s838 512 819 Small World 98 40 1.0±0.90 43.40
Table 4. The details of the motifs in each network
在 Gene Regulation(coliInterFullVec1.txt)，Yeast Transcription Network(yeast.txt) 中都有 small-world motif 的存在(Table 4)，我們發現其實是因為不管是 gene 或是 operon 中的相互的反應都很少會有群聚性的性質存在，也就是說不會同時有很多 個 gene 或多個 operon 和一個 gene 或 operon 有反應，因為 gene 或 operon 通常 都是有他們自己獨特的功能，只能和某些特定的對象反應。他們的角色就像橋樑 一樣，當這些 gene 或 operon 被移除時，可能會因為找不到可代替的而產生極大 的影響。關於 yeast.txt 的測試資料的詳細結果在 Table5 中，id 是指 motif 的 id，
共有 13 種。而我們用之前 Milo 所得的 Zscore 標示為 original_Zscore，之後我們 的方法將 motif 分成兩個 small-world motif 和 clustering motif 所得的 Zscore 分別 標為 weak_Zscore 及 strong_Zscore，而我們將 original_Zscore，weak_Zscore 和 strong_Zscore 分別正規化成為長度 1 後所得值就是 original_sp，weak_sp 和 strong_sp。我們由 Figure 7 可以很明顯的看出在原有的方法其找到的大多數是屬 於 small-world motif。這也說明了我們的方法是更具區辨性的。
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -16.7195 1.123717 45.0583 -0.33912 0.021972 0.249836 12 -16.9379 -17.0232 45.0583 -0.34355 -0.33285 0.249836 14 -1.39474 -1.40177 45.0583 -0.02829 -0.02741 0.249836 36 -16.6628 -19.4475 90.3529 -0.33797 -0.38025 0.500982 38 16.68645 16.47264 45.0583 0.33845 0.322084 0.249836 46 -0.31291 -0.31449 45.0583 -0.00635 -0.00615 0.249836 74 -6.46387 -6.49643 45.0583 -0.13111 -0.12702 0.249836 78 -16.9379 -19.4475 45.0583 -0.34355 -0.38025 0.249836 98 -16.9379 -19.4475 45.0583 -0.34355 -0.38025 0.249836 102 9.9 9.949874 45.0583 0.200801 0.194547 0.249836 108 4.33705 4.358899 45.0583 0.087968 0.085228 0.249836 110 -16.9379 -19.4475 45.0583 -0.34355 -0.38025 0.249836 238 -16.9379 -19.4475 45.0583 -0.34355 -0.38025 0.249836
Table 5. Yeast 的 Zscore 和 Superfamily
-0.6
在 Social Network 中，我們針對兩類的網路來討論。第一類是 Leader 的網路，我們發現在其網路中都是群聚性基調，因為在裡面大部分的人（都是 leader）都會找其同好，甚至組成小團體，並且在這種網路中，因為競爭較為明 顯，較不易有如君子的點頭之交存在，也因此其小世界基調在裡面也就不明顯(當
然也是存在一定的比例，如 Table 6，Figure8 所示）。第二類是 prisoner 的網路，
我們發現裡面除了有群聚性基調外，也有小世界基調(如 Table 7，Figure9 所示)。
在監獄中無可避免的一定會有小團體存在，可能就是被關在一起的幾個人就組成 了一個小團體，並且在裡面也會機會出現點頭之交的朋友，可能大家是在一起吃 飯的時候，或是放風的時間，就彼此認識了。
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -1.747412 -3.287122 2.590444 -0.20969 -0.22023 0.082448 12 -0.937555 -3.019262 2.793733 -0.11251 -0.20228 0.088918 14 -2.793824 -3.255373 1.364124 -0.33526 -0.2181 0.043417 36 -1.044121 -8.133933 8.044244 -0.1253 -0.54495 0.256029 38 0.566814 -0.46433 4.607804 0.068019 -0.03111 0.146656 46 1.663396 1.678409 -0.100504 0.199611 0.112448 -0.0032 74 -3.253861 -9.626284 10.045202 -0.39047 -0.64493 0.319715 78 -4.387757 -5.168297 3.451602 -0.52654 -0.34626 0.109856 98 0.217539 -0.621614 5.686241 0.026105 -0.04165 0.18098 102 1.045186 1.048487 -0.100504 0.125424 0.070245 -0.0032 108 2.310234 -0.735767 25.311394 0.277233 -0.04929 0.805602 110 2.076463 1.174308 9.949874 0.24918 0.078675 0.316681 238 3.591276 -0.540117 -0.10054 0.43096 -0.03619 -0.0032
Table 6. Leader 的 Zscore 和 Superfamily
-1
Figure 8. Leader 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -6.31005 -1.28729 -0.16873 -0.20119 -0.08592 -0.00396 12 -3.7163 -3.1816 2.079942 -0.11849 -0.21236 0.048762 14 -10.3395 -4.52546 1.128846 -0.32966 -0.30205 0.026465 36 -8.88971 -1.83048 -0.73229 -0.28344 -0.12218 -0.01717 38 4.680244 0.649788 10.59812 0.149223 0.04337 0.248461 46 8.831725 7.730779 5.249851 0.281587 0.515996 0.123077 74 -8.07271 -4.37754 -0.07007 -0.25739 -0.29218 -0.00164 78 -16.3888 -7.72919 -0.68034 -0.52253 -0.51589 -0.01595 98 0.755017 0.758821 -0.732294 0.024073 0.050648 -0.01717 102 1.86011 1.991263 -0.27435 0.059307 0.132908 -0.00643 108 5.152789 4.431013 5.686241 0.164289 0.295751 0.133308 110 8.502822 5.044127 15.40288 0.2711 0.336673 0.361104 238 14.40838 -0.38685 -0.732294 0.459391 -0.02582 -0.01717
Table 7. Prisoner 的 Zscore 和 Superfamily
-0.6
Figure 9. Prisoner 的 Superfamily
在我們探討的七個食物鏈中，我們也發現一些有趣的現象。在 St. Martin，
Chesspeake 和 coachellaInter 中都只有存在群聚性基調(如 Table 8，Table9， Table 10 和 Table 11 所示)，我們覺得在這三個地方的生態是較屬於一種”動態的穩定 [12]---即網路越複雜，波動就越小，比單純的網路更為穩定”，在這三種食物鏈 網路中，群聚性基調扮演了維持生態平衡的一個很重要的角色。假設某一種掠食
者有十五種獵物，如果其中有一種變的很少時，掠食者對其自然不是趕盡殺絕，
而是轉移注意力到其他物種，畢竟其他的十四種獵物數量較多，也比較容易取 得。這種注意力的轉移，讓掠食者仍可以找到食物，而那個有滅絕危險的獵物也 得以休養生息。這樣一來，食物鏈中因為群聚性基調化解了危險的波動，他可說 是生態係中的天然壓力閥。
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 5.021437 2.349219 -1.43135 0.344815 0.137488 -0.11347 12 6.656267 5.246372 -1.41398 0.457077 0.307045 -0.1121 14 -0.29792 0.077245 -0.65099 -0.02046 0.004521 -0.05161 36 5.046043 0.851961 -1.46478 0.346505 0.049861 -0.11612 38 -5.15904 -2.76497 -1.41697 -0.35426 -0.16182 -0.11233 46 1.180611 1.592555 -0.41082 0.081071 0.093204 -0.03257 74 -0.76969 0.332168 -0.70142 -0.05285 0.01944 -0.05561 78 -5.15904 -2.76497 -1.46478 -0.35426 -0.16182 -0.11612 98 -2.13993 -2.28712 -0.14286 -0.14695 -0.13385 -0.01133 102 -1.47295 -1.75495 -0.26149 -0.10115 -0.10271 -0.02073 108 1.342258 1.205492 -0.71322 0.092171 0.070552 -0.05654 110 -5.15904 -2.76497 -1.46478 -0.35426 -0.16182 -0.11612 238 -5.15904 -2.76497 -1.46478 -0.35426 -0.16182 -0.11612
Table 8. Ythan 的 Zscore 和 Superfamily
-1
Figure 10. Ythan 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -0.85325 -3.73667 3.522563 -0.10304 -0.3176 0.779525 12 1.77455 -0.63137 1.93752 0.214302 -0.05366 0.428763 14 -2.65069 -3.73667 0.31449 -0.32011 -0.3176 0.069595 36 -0.85325 -2.17196 1.834843 -0.10304 -0.18461 0.406041 38 0.853245 0.701046 0.029506 0.103041 0.059586 0.00653 46 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696 74 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696 78 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696 98 -2.65069 -2.67395 -0.31449 -0.32011 -0.22727 -0.06959 102 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696 108 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696 110 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696 238 -2.65069 -3.73667 -0.31449 -0.32011 -0.3176 -0.0696
Table 9. St. Martin 的 Zscore 和 Superfamily
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 11. St. Martin 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -1.71691 -2.87112 1.661523 -0.29547 -0.22051 0.380712 12 -0.36932 -1.20247 1.63356 -0.06356 -0.09235 0.374305 14 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 36 -1.71691 -4.15513 3.45395 -0.29547 -0.31913 0.791419 38 1.716908 1.799664 -0.41082 0.295475 0.13822 -0.09413 46 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 74 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 78 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 98 -1.09635 -1.10187 -0.41082 -0.18868 -0.08463 -0.09413 102 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 108 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 110 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413 238 -1.71691 -4.15513 -0.41082 -0.29548 -0.31913 -0.09413
Table 10. Chesspeake 的 Zscore 和 Superfamily
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 12. Chesspeake 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -3.54714 -6.67046 5.405872 -0.26303 -0.29937 0.076242 12 3.930769 -4.53703 11.87985 0.291477 -0.20362 0.167549 14 -5.67502 -6.33327 2.342074 -0.42082 -0.28424 0.033032 36 -5.0119 -11.9216 8.662428 -0.37165 -0.53505 0.122171 38 2.087713 -10.2013 12.81541 0.15481 -0.45784 0.180743 46 6.16401 -4.37193 28.31973 0.457078 -0.19621 0.39941 74 -1.85739 -8.96517 17.88596 -0.13773 -0.40236 0.252256 78 -2.87256 -2.87137 -0.47826 -0.21301 -0.12887 -0.00675 98 -3.32883 -3.27169 -0.41082 -0.24684 -0.14684 -0.00579 102 -3.77928 -3.50148 -1.59456 -0.28024 -0.15715 -0.02249 108 3.486546 -0.65457 10.27412 0.258537 -0.02938 0.144902 110 0.305105 -1.2277 11.49675 0.022624 -0.0551 0.162146 238 2.199358 -3.52769 57.00582 0.163088 -0.15832 0.803987
Table 11. coachellaInter 的 Zscore 和 Superfamily
-1
Figure 13. CoachellaInter 的 Superfamily
反觀在 LittleRock，或是 B.Brook 這兩種小世界基調較多的食物鏈網路，
我們覺得他們是較不”穩定”的(如 Table 11，Table12 所示)。在小世界基調中，只 要有一個物種數量減少了，很快的就會使的相關的物種受到影響，因為他們較具 有不可替代性，可能一個物種滅亡了，而他又是扮演一個橋樑的角色，如此就會 使的生態系中的食物鏈出現斷層，其影響是非常大的。
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 -3.16468 0.461409 -0.75495 -0.19604 0.03128 -0.35 12 1.941243 1.337675 -0.78232 0.120252 0.090684 -0.36269 14 -4.54282 -3.37524 -0.57256 -0.28141 -0.22882 -0.26544 36 -3.47632 0.123292 -0.7745 -0.21534 0.008358 -0.35907 38 2.432854 1.399384 -0.84311 0.150706 0.094868 -0.39087 46 5.023007 4.486077 -0.47983 0.311155 0.304122 -0.22245 74 -7.61981 -6.9357 -0.54746 -0.47202 -0.47019 -0.25381 78 -1.38492 -1.38319 -0.20412 -0.08579 -0.09377 -0.09463 98 -6.02156 -6.05151 -0.37256 -0.37301 -0.41025 -0.17272 102 -2.55845 -2.55461 -0.36786 -0.15849 -0.17318 -0.17054 108 9.238748 9.235317 -0.50509 0.572303 0.626085 -0.23417 110 -0.67044 -0.66601 -0.14286 -0.04153 -0.04515 -0.06623 238 1.773848 1.788265 -0.84311 0.109883 0.121231 -0.39087
Table 12. LittleRock 的 Zscore 和 Superfamily
-1 -0.5 0 0.5 1
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 14. LittleRock 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 4.584513 -1.84006 3.808106 0.305372 -0.1979 0.50422 12 7.312807 5.747983 -1.17603 0.487103 0.61819 -0.15571 14 -0.98171 -0.41356 -0.48082 -0.06539 -0.04448 -0.06366 36 4.856907 -1.75855 5.979292 0.323516 -0.18913 0.791701 38 -5.16754 -3.62932 0.61633 -0.34421 -0.39033 0.081606 46 1.512368 1.749745 -0.32962 0.100738 0.188183 -0.04364 74 -2.08256 -1.87271 -0.42268 -0.13872 -0.20141 -0.05597 78 -5.16754 -2.17544 -1.17603 -0.34421 -0.23397 -0.15571 98 -2.16441 -2.17544 -0.3386 -0.14417 -0.23397 -0.04483 102 -1.22636 -1.22657 -0.1005 -0.08169 -0.13192 -0.01331 108 2.59057 2.56718 -0.48044 0.172557 0.276098 -0.06361 110 -5.16754 -2.17544 -1.17603 -0.34421 -0.23397 -0.15571 230 -5.16754 -2.17544 -1.17603 -0.34421 -0.23397 -0.15571
Table 13. B. Brook 的 Zscore 和 Superfamily
-0.5 Figure 15. B. Brook 的 Superfamily
在食物鏈網路 skipwith 中，其同時具有顯著的小世界基調和群聚性基調(如 Table 14 所示)。我們覺得這種生態在遭受外界的干擾時，會因為他的群聚性基調 而維持整個生態的平衡，但同時又因為在此生態中沒有許多的 hub(存在群聚性基 調中的)，也就是和許多生物有關係的生物存在，不容易因受外界的干擾而導致 整個生態嚴重的瓦解。
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 1.166676 -4.97063 4.981989 0.12233 -0.40178 0.581827 12 5.754029 2.121066 6.016856 0.603328 0.17145 0.702685 14 -1.52663 -1.52221 -0.1005 -0.16007 -0.12304 -0.01174 36 1.304625 1.857087 -0.76268 0.136794 0.150112 -0.08907 38 -1.88959 -3.15688 2.960739 -0.19813 -0.25518 0.345773 46 2.782947 2.600902 -0.1005 0.291801 0.210236 -0.01174 74 -2.41688 -2.41517 -0.1005 -0.25342 -0.19522 -0.01174 78 -2.17163 -4.97063 -0.76268 -0.2277 -0.40178 -0.08907 98 -2.15961 -2.17049 -0.76268 -0.22644 -0.17544 -0.08907 102 -2.17163 -2.18257 -0.76268 -0.2277 -0.17642 -0.08907 108 3.430743 3.452393 -0.1005 0.359724 0.279063 -0.01174 110 -2.17163 -4.97063 -0.76268 -0.2277 -0.40178 -0.08907 238 -2.17163 -4.97063 -0.76268 -0.2277 -0.40178 -0.08907
Table 14. Skipwith 的 Zscore 和 Superfamily
-0.5 0 0.5 1
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 16. SkipwithInter 的 Superfamily
最後我們討論在 Electrical Circuits 中的兩個網路，我們發現他們之中都 沒有群聚性基調的存在，而只有小世界基調的存在。而會造成這種現象的原因正 如在本文中所探討的三個原因之外，我們也發現的確在電路中，”feedback”的架 構扮演了一個重要的角色(如 Table 15，Table 16 和 Table 17 所示)。在電路中，最 常見的 feedback 架構就如 Figure 17 所示：
Figure 17. General Feedback Structure
以 negative feedback 為例，其所具有得五個特性是：1) Desensitized gain 2)Reduce nonlinear gain 3) Reduce effects of noise 4)Control input and output impedances 5)Extend bandwidth of amplifier。在電路設計的運用上，feedback 的基 調的確佔了一個重要的地位。
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 1.714808 0.424154 -0.1673 0.060871 0.035817 -0.03529 12 -8.65087 -0.57413 -1.43396 -0.30708 -0.04848 -0.30252 14 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 36 1.714808 2.104422 -1.50147 0.060871 0.177704 -0.31677 38 -1.71481 -1.66292 -0.30151 -0.06087 -0.14042 -0.06361 46 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 74 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 78 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 98 10.54809 10.50778 -0.14286 0.374427 0.887312 -0.03014 102 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 108 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 110 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677 238 -8.65087 -1.66292 -1.50147 -0.30708 -0.14042 -0.31677
Table 15. S208 的 Zscore 和 Superfamily
-0.4 -0.2 0 0.2 0.4 0.6 0.8 1
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 18. S208 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 1.788484 0.451044 -0.35737 0.03538 0.086732 -0.06841 12 -15.5247 -1.45449 -1.7031 -0.30711 -0.75287 -0.32601 14 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 36 1.788484 1.208996 -0.94222 0.03538 0.086732 -0.18036 38 -1.78848 -1.72251 -0.37363 -0.03538 -0.08673 -0.07152 46 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 74 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 78 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 98 19.40711 19.86786 -0.17586 0.383913 0.941144 -0.03366 102 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 108 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 110 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601 238 -15.5247 -1.72251 -1.7031 -0.30711 -0.75287 -0.32601
Table 16. S420 的 Zscore 和 Superfamily
-1 -0.5 0 0.5 1 1.5
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 19. S420 的 Superfamily
ID Original_Zscore Weak_Zscore Strong_Zscore Original_sp Weak_sp Strong_sp
6 1.903386 0.941179 -0.86316 0.017566 0.021366 -0.12968 12 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 14 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 36 1.903386 1.395896 -1.11214 0.017566 0.031688 -0.16708 38 -1.90339 -1.75915 -0.48432 -0.01757 -0.03993 -0.07276 46 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 74 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 78 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 98 42.60697 43.39078 -0.14286 0.393212 0.985007 -0.02146 102 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 108 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 110 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481 238 -33.1911 -2.3996 -2.16197 -0.30631 -0.05447 -0.32481
Table 17. S838 的 Zscore 和 Superfamily
-0.5 0 0.5 1 1.5
6 12 14 36 38 46 74 78 98 102 108 110 238
original_sp weak_sp strong_sp
Figure 20. S838 的 Superfamily