| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第8-18页 |
| 1.1 分子模拟 | 第8-12页 |
| 1.1.1 分子力场 | 第8-10页 |
| 1.1.2 分子动力学模拟 | 第10-11页 |
| 1.1.3 分子力学的局限性 | 第11-12页 |
| 1.2 量子化学计算 | 第12-16页 |
| 1.2.1 量子化学简介 | 第12-13页 |
| 1.2.2 玻恩-奥本海默近似 | 第13页 |
| 1.2.3 中心场近似 | 第13-14页 |
| 1.2.4 基组 | 第14页 |
| 1.2.5 量子化学的线性规模计算方法 | 第14-16页 |
| 1.2.6 结合MFCC的氨基酸聚类分析 | 第16页 |
| 1.3 机器学习与聚类分析 | 第16-18页 |
| 1.3.1 机器学习简介 | 第16-17页 |
| 1.3.2 主成分分析法 | 第17页 |
| 1.3.3 K-均值法 | 第17页 |
| 1.3.4 t-SNE聚类法 | 第17-18页 |
| 第二章 氨基酸构象数据库的建立 | 第18-37页 |
| 2.1 蛋白质复合物在GROMACS下的动力学模拟 | 第18-27页 |
| 2.1.1 蛋白质的选取 | 第18-20页 |
| 2.1.2 预处理工作 | 第20-21页 |
| 2.1.3 构象能量优化 | 第21-24页 |
| 2.1.4 NVT系综下的模拟 | 第24页 |
| 2.1.5 NPT系综下的模拟 | 第24页 |
| 2.1.6 GROMACS动力学模拟 | 第24页 |
| 2.1.7 MD结果数据分析 | 第24-27页 |
| 2.2 MFCC分块操作 | 第27-34页 |
| 2.2.1 MFCC分块法简介 | 第27-28页 |
| 2.2.2 本文对MFCC分块法思想的应用 | 第28-33页 |
| 2.2.3 对四种蛋白质的分割与提取 | 第33-34页 |
| 2.3 Gaussian量子化学计算 | 第34页 |
| 2.4 氨基酸原始特征数据的建立 | 第34-37页 |
| 2.4.1 操作过程简介 | 第34-36页 |
| 2.4.2 原始特征数据建立的意义 | 第36-37页 |
| 第三章 基于t-SNE的分子构象聚类 | 第37-46页 |
| 3.1 t-SNE聚类方法简述 | 第37-40页 |
| 3.2 氨基酸原始数据基于t-SNE的降维处理过程 | 第40-41页 |
| 3.3 t-SNE聚类方法的应用效果讨论 | 第41-46页 |
| 3.3.1 聚类效果可视化 | 第41-45页 |
| 3.3.2 t-SNE与其它聚类方法的效果比较 | 第45-46页 |
| 结论 | 第46-48页 |
| 参考 文献 | 第48-51页 |
| 附录A 相关代码示例 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55页 |