摘要 | 第5-7页 |
Abstract | 第7-8页 |
目录 | 第9-12页 |
第一章 绪论 | 第12-34页 |
1.1 蛋白质相互作用网络及随机游走模型 | 第12-29页 |
1.1.1 蛋白质间的相互作用 | 第12-13页 |
1.1.2 蛋白质相互作用网络的研究内容 | 第13-24页 |
1.1.3 随机游走模型 | 第24-29页 |
1.2 课题的研究意义 | 第29-30页 |
1.3 本文的主要研究内容 | 第30-32页 |
1.4 论文的结构 | 第32-34页 |
第二章 基于加权的随机游走模型预测关键蛋白 | 第34-54页 |
2.1 问题来源 | 第34-35页 |
2.2 加权的随机游走模型及相关定义 | 第35-42页 |
2.2.1 实验数据和分析 | 第36-37页 |
2.2.2 直系同源性得分 | 第37-38页 |
2.2.3 边加权 | 第38-39页 |
2.2.4 计算排序得分 | 第39-40页 |
2.2.6 算法ION | 第40-42页 |
2.3 结果与讨论 | 第42-52页 |
2.3.1 参数α对ION性能的影响 | 第42-43页 |
2.3.2 与八种中心性方法比较 | 第43-44页 |
2.3.3 基于precision-recall曲线比较实验结果 | 第44-45页 |
2.3.4 基于jackknife方法比较实验结果 | 第45页 |
2.3.5 ION与其他八种中心性方法的不同 | 第45-47页 |
2.3.6 ION识别的蛋白质的模块性,直系同源性和关键性 | 第47-49页 |
2.3.7 直系同源得分 | 第49-51页 |
2.3.8 基于大肠杆菌数据集验证ION的性能 | 第51-52页 |
2.4 本章小结 | 第52-54页 |
第三章 基于加权的PageRank-Nibble算法预测蛋白质复合物 | 第54-69页 |
3.1 问题来源 | 第54页 |
3.2 WPNCA算法 | 第54-60页 |
3.2.1 加权的PageRank-Nibble算法 | 第55-57页 |
3.2.2 挖掘具有核心-附件结构的蛋白质复合物 | 第57-60页 |
3.3 实验结果 | 第60-68页 |
3.3.1 实验数据和评价机制 | 第60-62页 |
3.3.2 参数对预测性能的影响 | 第62-63页 |
3.3.3 与已知蛋白质复合物的匹配 | 第63-64页 |
3.3.4 功能富集分析 | 第64-66页 |
3.3.5 基于Krogan蛋白质相互作用数据的实验结果 | 第66-68页 |
3.4 本章小结 | 第68-69页 |
第四章 基于不平衡的双随机游走算法预测蛋白质功能 | 第69-80页 |
4.1 问题来源 | 第69-70页 |
4.2 不平衡双随机游走算法及相关定义 | 第70-75页 |
4.2.1 实验数据 | 第70-71页 |
4.2.2 构建功能相似性网络 | 第71页 |
4.2.3 已知蛋白质-GO Term关联关系统计分析 | 第71-72页 |
4.2.4 不平衡双随机游走算法 | 第72-74页 |
4.2.5 评价指标 | 第74-75页 |
4.3 实验结果 | 第75-79页 |
4.3.1 基于precision-recall曲线下的面积(AUC)验证性能 | 第75-76页 |
4.3.2 基于TP-FP曲线验证性能 | 第76-77页 |
4.3.3 参数对UBiRW性能的影响 | 第77-79页 |
4.4 本章小结 | 第79-80页 |
第五章 基于划分-匹配策略的比对算法挖掘保守蛋白质复合物 | 第80-95页 |
5.1 问题来源 | 第80-81页 |
5.2 方法 | 第81-86页 |
5.2.1 查找两个物种中蛋白质间潜在的映射关系 | 第81-82页 |
5.2.2 划分-匹配蛋白质相互作用网络 | 第82-86页 |
5.3 实验结果 | 第86-94页 |
5.3.1 实验数据 | 第86-87页 |
5.3.2 与已知蛋白质复合物匹配 | 第87-90页 |
5.3.3 保守复合物对生物上的相关性 | 第90-91页 |
5.3.4 基于AlingNemo的实验数据集验证各个方法 | 第91-94页 |
5.4 本章小结 | 第94-95页 |
第六章 总结 | 第95-99页 |
6.1 主要贡献和创新点 | 第95-96页 |
6.2 展望 | 第96-99页 |
参考文献 | 第99-112页 |
致谢 | 第112-113页 |
攻读博士学位期间主要的研究成果 | 第113-114页 |