| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 生物信息学的概述 | 第10-11页 |
| 1.2 细胞凋亡的简述 | 第11-12页 |
| 1.2.1 细胞凋亡 | 第11页 |
| 1.2.2 细胞凋亡特征 | 第11-12页 |
| 1.2.3 参与凋亡的主要蛋白及其分类 | 第12页 |
| 1.3 研究进展 | 第12-14页 |
| 1.3.1 凋亡蛋白的研究进展 | 第12-14页 |
| 第二章 特征参数提取与理论预测算法 | 第14-31页 |
| 2.1 引言 | 第14页 |
| 2.2 特征提取 | 第14-19页 |
| 2.2.1 氨基酸n肽组分信息 | 第14-15页 |
| 2.2.2 氨基酸分段组分信息 | 第15页 |
| 2.2.3 氨基酸亲疏水性分布 | 第15-16页 |
| 2.2.4 蛋白质骨架 | 第16-17页 |
| 2.2.5 蛋白质保守位点的进化信息 | 第17-18页 |
| 2.2.6 基因本体信息 | 第18-19页 |
| 2.3 预测算法 | 第19-28页 |
| 2.3.1 支持向量机算法 | 第19-21页 |
| 2.3.2 K紧邻算法(KNN)及其不足 | 第21-23页 |
| 2.3.2.1 K紧邻算法 | 第21-22页 |
| 2.3.2.2 K紧邻算法的不足 | 第22-23页 |
| 2.3.3 K紧邻算法的多种改进方法 | 第23-24页 |
| 2.3.3.1 KNN算法的决策过程 | 第23页 |
| 2.3.3.2 改进一：均值K紧邻算法(MKNN) | 第23-24页 |
| 2.3.3.3 改进二：逐类均值K紧邻算法(MEKNN) | 第24页 |
| 2.3.4 离散增量算法(ID) | 第24-27页 |
| 2.3.5 离散增量算法与K紧邻算法的融合及改进 | 第27-28页 |
| 2.3.5.1 离散增量算法与K紧邻算法的融合 | 第27页 |
| 2.3.5.2 IDKNN算法的改进 | 第27-28页 |
| 2.4 算法评价 | 第28-29页 |
| 2.5 特征筛选 | 第29-31页 |
| 第三章 算法性能分析及抗凋亡蛋白和促凋亡蛋白分类预测 | 第31-45页 |
| 3.1 数据集 | 第31-32页 |
| 3.2 算法性能分析、预测结果及讨论 | 第32-44页 |
| 3.2.1 特征参数选取和算法比较 | 第32页 |
| 3.2.2 基于单特征对各种算法性能的比较 | 第32-40页 |
| 3.2.2.1 氨基酸单态、二肽组分信息 | 第33-34页 |
| 3.2.2.2 氨基酸分段组分信息 | 第34-36页 |
| 3.2.2.3 氨基酸序列亲疏水分布 | 第36-37页 |
| 3.2.2.4 蛋白质骨架信息 | 第37-38页 |
| 3.2.2.5 进化信息 | 第38-39页 |
| 3.2.2.6 基因本体信息 | 第39-40页 |
| 3.2.3 使用多种算法对抗凋亡蛋白和促凋亡蛋白的分类研究 | 第40-44页 |
| 3.2.3.1 基于单特征的分类研究 | 第41-42页 |
| 3.2.3.2 基于融合特征的分类研究 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49-50页 |
| 作者攻读硕士学位期间发表和完成的论文目录 | 第50页 |
