MCODE,Molecular COmplex Detection
發(fā)現(xiàn)PPI網(wǎng)絡(luò)中緊密聯(lián)系的regeions，這些區(qū)域可能代表分子復(fù)合體。
根據(jù)給定的參數(shù)，分離dense regions，這相對(duì)其他cluster方法有其優(yōu)點(diǎn)，因?yàn)槠渌姆椒ê苌倏紤]網(wǎng)絡(luò)的其余部分。總之MCODE可以發(fā)現(xiàn)PPI網(wǎng)絡(luò)中相互作用的Dense region。這主要基于connection data，其中很多已經(jīng)被證實(shí)是complex。這個(gè)函數(shù)不會(huì)被因高通量技術(shù)帶來高假陽性影響。分子復(fù)合體預(yù)測(cè)很重要，因?yàn)檫@可以提供功能注釋的另一個(gè)水平。因?yàn)閟ub-units of a molecular complex通常情況下，功能代表同一個(gè)生物目標(biāo)分子，對(duì)一個(gè)未知pro的預(yù)測(cè)（作為復(fù)合體一部分），對(duì)這個(gè)pro的注釋也增加了可信度。
MCODE也可以對(duì)感興趣的dense區(qū)域進(jìn)行提取并可視化，這點(diǎn)很重要，因?yàn)楝F(xiàn)有的工具比如spring不能對(duì)大的網(wǎng)絡(luò)進(jìn)行操作（spring不能大于2000個(gè)nodes）。

• vertex weighting ，vertex就是node
• complex prediction
• 可選擇性地加工以過濾或添加pro（基于一定標(biāo)準(zhǔn)）
  MCODE使用vertex weighting計(jì)算，這是基于clustering coefficient（CI）,它計(jì)算一個(gè)頂點(diǎn)的neighbor cliquishness
  Ci=2n/ki(ki-1)其中n是neighbor中edge的數(shù)目，Ki是頂點(diǎn)i的neighbor的頂點(diǎn)size
  圖的density G-（V,E）,|V|=vertex的個(gè)數(shù)，|E|=edge的個(gè)數(shù)
  如果一個(gè)graph有自身形成的loop，那么|E|max=|V|(|V|+1)/2
  如果一個(gè)graph無，loop則，|E|max=|V|(|V|-1)/2
  Density of G， Dg=|E|/|E|max，在[0,1]區(qū)間