HashESU：一种生物网络模体识别高效方法

摘要 通过模体识别可以获得生物网络结构和功能，生物网络模体识别过程涉及到子图枚举和子图同构的问题，计算量非常大.提出一种高效的网络模体识别算法HashESU，它使用经典算法ESU枚举子图，采用Hash表结构保存生成的子图，利用每个新增结点与已经确定的结点之间的关系，生成子图标识关键字SIK并映射到Hash表中，每个SIK只在第一次生成时才需要调用同构计算，以大大减少调用NAUTY算法进行同构检测的次数、更快地进行查找和插入子图操作，进而加快模体识别的速度.实验结果表明，在模体识别结果质量相同的前提下，HashESU算法的运行效率明显优于著名的ESU算法和使用四分树结构存储子图的QuateXelero算法.