蛋白残基可溶性预测及基因表达数据分析方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-23页 |
| ·生物信息学概述 | 第14-21页 |
| ·什么是生物信息学 | 第14页 |
| ·生物信息学常用方法 | 第14-16页 |
| ·生物信息学中的热点问题 | 第16-19页 |
| ·系统生物学 | 第19-21页 |
| ·本文主要内容 | 第21-23页 |
| 第二章 生物学基础 | 第23-33页 |
| ·蛋白残基可溶性 | 第23-28页 |
| ·氨基酸 | 第23页 |
| ·蛋白质空间结构 | 第23-26页 |
| ·蛋白残基可溶性 | 第26-28页 |
| ·基因调控网络 | 第28-33页 |
| ·中心法则 | 第28页 |
| ·基因表达谱 | 第28-31页 |
| ·基因调控 | 第31-33页 |
| 第三章 蛋白质氨基酸残基可溶性预测 | 第33-53页 |
| ·研究意义和现状 | 第33页 |
| ·支持向量机 | 第33-44页 |
| ·三种主要学习问题 | 第34-35页 |
| ·结构风险最小化归纳原则 | 第35-38页 |
| ·最优超平面 | 第38-39页 |
| ·构造最优超平面 | 第39-41页 |
| ·核函数 | 第41-44页 |
| ·支持向量机的构造 | 第44页 |
| ·数据和预测评价方法 | 第44-49页 |
| ·数据集 | 第44-47页 |
| ·相对可溶性的计算和分类 | 第47页 |
| ·特征向量提取 | 第47-48页 |
| ·预测评价方法 | 第48-49页 |
| ·结果与讨论 | 第49-51页 |
| ·支持向量机参数的选取 | 第49-50页 |
| ·窗宽对分类结果的影响 | 第50页 |
| ·与其他方法比较 | 第50-51页 |
| ·结论 | 第51-53页 |
| 第四章 基因表达谱数据缺值估计 | 第53-75页 |
| ·研究意义及现状 | 第53-54页 |
| ·支持向量回归 | 第54-63页 |
| ·回归估计模型 | 第54-55页 |
| ·不敏感损失函数 | 第55-57页 |
| ·用于回归函数的支持向量机 | 第57-60页 |
| ·采用内积回旋的支持向量回归 | 第60-61页 |
| ·线性优化 | 第61页 |
| ·回归估计的核函数 | 第61-62页 |
| ·支持向量回归机 | 第62-63页 |
| ·数据集及输入编码方法 | 第63-66页 |
| ·数据集 | 第63-64页 |
| ·输入编码方法 | 第64-65页 |
| ·回归结果的评价方法 | 第65-66页 |
| ·结果与讨论 | 第66-74页 |
| ·不同输入编码方法对结果的影响 | 第66-67页 |
| ·不同估计方法对结果的影响 | 第67-72页 |
| ·噪声对回归性能的影响 | 第72-73页 |
| ·支持向量回归参数的选取以及计算时间分析 | 第73-74页 |
| ·结论 | 第74-75页 |
| 第五章 基因调控网络重构方法研究 | 第75-96页 |
| ·研究意义及现状 | 第75-79页 |
| ·贝叶斯网络 | 第79-85页 |
| ·概率图模型 | 第79-80页 |
| ·贝叶斯网络 | 第80-82页 |
| ·贝叶斯网络的基本问题 | 第82-85页 |
| ·数据和方法 | 第85-88页 |
| ·数据集 | 第85-87页 |
| ·离散化数据 | 第87-88页 |
| ·结果与讨论 | 第88-95页 |
| ·离散情况下的实验结果 | 第88-90页 |
| ·连续情况下的实验结果 | 第90页 |
| ·不同参数和学习方法的结果分析 | 第90-93页 |
| ·生物学意义 | 第93-95页 |
| ·结论 | 第95-96页 |
| 第六章 总结与展望 | 第96-99页 |
| ·本文研究内容总结 | 第96-97页 |
| ·蛋白质氨基酸残基可溶性预测 | 第96页 |
| ·基因表达谱数据确值估计方法研究 | 第96页 |
| ·基因调控网络重构方法研究 | 第96-97页 |
| ·未来的工作方向 | 第97-99页 |
| 参考文献 | 第99-108页 |
| 攻读博士学位期间的研究成果 | 第108-110页 |
| 致谢 | 第110页 |
