摘要 | 第1-5页 |
Abstract | 第5-9页 |
第1章 绪论 | 第9-18页 |
·课题的目的和意义 | 第9-10页 |
·国内外研究现状 | 第10-17页 |
·确定蛋白质-蛋白质相互作用位点的物理化学的实验方法 | 第10-12页 |
·预测蛋白质-蛋白质相互作用位点的计算方法 | 第12-17页 |
·本文研究的主要内容及结构组织 | 第17-18页 |
第2章 研究的总体框架 | 第18-23页 |
·基本概念 | 第18-20页 |
·研究的总体框架 | 第20-22页 |
·预测结果的评估参数 | 第22页 |
·本章小结 | 第22-23页 |
第3章 实验数据的获取 | 第23-35页 |
·待考察的蛋白质的选择 | 第23-24页 |
·PDB 数据库 | 第23页 |
·蛋白质链的选取 | 第23-24页 |
·表面残基的获得 | 第24-26页 |
·表面残基的定义 | 第24页 |
·表面残基的计算 | 第24-26页 |
·相互作用位点的计算 | 第26-28页 |
·序列谱的生成 | 第28-32页 |
·多序列比对 | 第28-29页 |
·PSI-BLAST | 第29页 |
·序列谱的生成 | 第29-32页 |
·PDB 文件中SEQRES 行与ATOM 行残基编号的映射 | 第32-34页 |
·本章小结 | 第34-35页 |
第4章 基于SVM 的蛋白质相互作用位点的预测 | 第35-44页 |
·支持向量机 | 第35-38页 |
·基于SVM 的蛋白质相互作用位点预测 | 第38-43页 |
·本章小结 | 第43-44页 |
第5章 改进的蛋白质相互作用位点预测方法 | 第44-53页 |
·对输入的特征向量的改进 | 第44-47页 |
·在特征向量中引入二级结构信息 | 第44-46页 |
·其它特征的尝试 | 第46-47页 |
·分类时引入正反例的权重 | 第47-49页 |
·从算法上的改进 | 第49-52页 |
·SVM 与K-NN 相结合的算法 | 第49-51页 |
·其它算法的尝试 | 第51-52页 |
·本章小结 | 第52-53页 |
结论 | 第53-55页 |
参考文献 | 第55-59页 |
附录 | 第59-60页 |
哈尔滨工业大学硕士学位论文原创性声明 | 第60页 |
哈尔滨工业大学硕士学位论文使用授权书 | 第60页 |
哈尔滨工业大学硕士学位涉密论文管理 | 第60-61页 |
致谢 | 第61页 |