| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·生物信息学 | 第9-10页 |
| ·机器学习 | 第10页 |
| ·基于机器学习的生物信息学 | 第10-11页 |
| ·论文的主要研究内容及结构安排 | 第11-14页 |
| ·论文的主要工作 | 第11-12页 |
| ·本文的章节安排 | 第12-14页 |
| 第二章 代谢pathway与蛋白质相互作用 | 第14-28页 |
| ·代谢pathway | 第14-19页 |
| ·代谢pathway预测的研究现状 | 第16-18页 |
| ·pathway预测研究中的关键问题 | 第18-19页 |
| ·蛋白质相互作用 | 第19-24页 |
| ·PPI网络的统计参数 | 第20-22页 |
| ·PPI网络的基本特征 | 第22-23页 |
| ·蛋白质相互作用的研究应用 | 第23-24页 |
| ·常用聚类算法 | 第24-28页 |
| ·基于层次的方法 | 第24-25页 |
| ·基于划分的方法 | 第25-26页 |
| ·基于密度的方法 | 第26-27页 |
| ·基于模型的方法 | 第27-28页 |
| 第三章 基于PPI网络的pathway预测基本框架 | 第28-35页 |
| ·主要数据源 | 第28-29页 |
| ·UniProt数据库 | 第28页 |
| ·DIP数据库 | 第28-29页 |
| ·KEGG数据库 | 第29页 |
| ·问题 | 第29-30页 |
| ·方法过程 | 第30-31页 |
| ·实验环境 | 第31-32页 |
| ·实验数据 | 第32-33页 |
| ·预测结果的评价方法 | 第33-35页 |
| 第四章 基于概率模型的PPI网络层次聚类研究 | 第35-48页 |
| ·基于概率模型的层次聚类 | 第35-36页 |
| ·关键参数 | 第36-38页 |
| ·相关性的定义 | 第36-37页 |
| ·层次聚类的阈值 | 第37-38页 |
| ·方法改进 | 第38-41页 |
| ·统计分析及结果 | 第38-40页 |
| ·相关性的重定义 | 第40页 |
| ·方法过程 | 第40-41页 |
| ·实验结果与分析 | 第41-48页 |
| 第五章 基于谱划分的PPI网络聚类研究 | 第48-54页 |
| ·谱聚类 | 第48-49页 |
| ·基于Normal矩阵的谱平分法 | 第49-52页 |
| ·谱平分法的基本思想 | 第49-50页 |
| ·基于规范化邻接矩阵的谱平分法 | 第50页 |
| ·相关性系数 | 第50-51页 |
| ·方法过程 | 第51-52页 |
| ·实验设计与分析 | 第52-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·论文总结 | 第54-55页 |
| ·进一步展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的论文及参与项目 | 第60-61页 |
| 致谢 | 第61页 |