| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 目录 | 第10-13页 |
| TABLE OF CONTENTS | 第13-15页 |
| 图表目录 | 第15-16页 |
| 主要符号表 | 第16-17页 |
| 缩写对照表 | 第17-18页 |
| 1 绪论 | 第18-22页 |
| 1.1 问题提出与研究意义 | 第18-19页 |
| 1.2 国内外相关研究进展 | 第19-20页 |
| 1.3 本文主要研究思路与内容 | 第20-22页 |
| 2 Metropolis-Hastings算法 | 第22-25页 |
| 2.1 Metropolis-Hastings算法 | 第22-23页 |
| 2.2 核函数平衡矩阵方法 | 第23-25页 |
| 3 基于核函数平衡矩阵算法的MHC Ⅰ类分子亲和力模型 | 第25-37页 |
| 3.1 研究背景 | 第25-27页 |
| 3.2 材料与方法 | 第27-30页 |
| 3.2.1 预测模型的数据集 | 第27页 |
| 3.2.2 短肽的向量表示 | 第27页 |
| 3.2.3 MHC Ⅰ类分子亲和力模型 | 第27-29页 |
| 3.2.4 模型评估 | 第29-30页 |
| 3.3 结果 | 第30-33页 |
| 3.3.1 预测模型在测试集的表现 | 第30-32页 |
| 3.3.2 HLA Ⅰ分子亲和力在线预测 | 第32-33页 |
| 3.4 讨论 | 第33-36页 |
| 3.4.1 KSMM-linear算法的权值分析 | 第33页 |
| 3.4.2 HLA-A 2.1分子与抗原肽的非键接触 | 第33-34页 |
| 3.4.3 HLA-A 2.1分子主要口袋对抗原肽结合亲和力的影响 | 第34-36页 |
| 3.5 结论 | 第36-37页 |
| 4 基于核函数平衡矩阵算法的蛋白酶体裂解位点预测 | 第37-50页 |
| 4.1 研究背景 | 第37-38页 |
| 4.2 材料与方法 | 第38-40页 |
| 4.2.1 训练样本和测试样本 | 第38页 |
| 4.2.2 序列编码 | 第38-39页 |
| 4.2.3 KSMM算法和评估参数 | 第39-40页 |
| 4.3 结果 | 第40-44页 |
| 4.3.1 KSMM和SVM在蛋白酶体裂解测试集上的比较 | 第40-41页 |
| 4.3.2 蛋白酶体裂解模型预测MHC Ⅰ类分子限制性抗原肽 | 第41-42页 |
| 4.3.3 线性ICP和CCP模型的权重系数 | 第42-44页 |
| 4.3.4 蛋白酶体裂解模型在线预测 | 第44页 |
| 4.4 讨论 | 第44-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 基于核函数平衡矩阵算法的TAP效率模型 | 第50-59页 |
| 5.1 研究背景 | 第50-51页 |
| 5.2 材料与方法 | 第51-52页 |
| 5.2.1 数据 | 第51页 |
| 5.2.2 算法 | 第51-52页 |
| 5.3 结果 | 第52-56页 |
| 5.3.1 TAP模型预测表现 | 第52-53页 |
| 5.3.2 TAP模型在免疫原性短从测试集的表现 | 第53-54页 |
| 5.3.3 线性TAP、HLA-A 3.1分子和HLA-A 2.1分子结合模型的权重系数 | 第54-56页 |
| 5.3.4 TAP效率模型在线预测 | 第56页 |
| 5.4 讨论 | 第56-58页 |
| 5.4.1 不同的MHC Ⅰ类分子限制性抗原肽装载和提呈流程 | 第56-57页 |
| 5.4.2 TAP转运对MHC Ⅰ类分子限制性抗原装载和提呈流程的影响 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 创新点摘要 | 第60页 |
| 6.3 展望 | 第60-61页 |
| 参考文献 | 第61-70页 |
| 攻读博士学位期间科研项目及科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72-73页 |
