| 摘要 | 第3-5页 |
| Abatract | 第5-6页 |
| 符号说明 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文安排 | 第15-17页 |
| 第二章 相关工作的基础知识 | 第17-24页 |
| 2.1 蛋白质相关知识概述 | 第17-18页 |
| 2.1.1 蛋白质概述 | 第17页 |
| 2.1.2 蛋白质相互作用概述 | 第17-18页 |
| 2.2 本文相关算法简介 | 第18-22页 |
| 2.2.1 深度神经网络简介 | 第18-19页 |
| 2.2.2 支持向量机简介 | 第19-20页 |
| 2.2.3 AdaBoost简介 | 第20-21页 |
| 2.2.4 随机森林简介 | 第21-22页 |
| 2.3 蛋白质相关数据库 | 第22-23页 |
| 2.3.1 DIPs数据库 | 第22页 |
| 2.3.2 UniProt数据库 | 第22-23页 |
| 2.3.3 PDB数据库 | 第23页 |
| 2.3.4 HPRD数据库 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 蛋白质相互作用预测模型的实现 | 第24-37页 |
| 3.1 引言 | 第24-26页 |
| 3.2 数据集的构造 | 第26-27页 |
| 3.3 深度神经网络 | 第27-28页 |
| 3.4 预测框架的设计 | 第28-29页 |
| 3.5 特征提取 | 第29-34页 |
| 3.5.1 氨基酸组成 | 第29页 |
| 3.5.2 二肽组成 | 第29-30页 |
| 3.5.3 组成/转换/分布特征描述符 | 第30-33页 |
| 3.5.4 准序列描述符 | 第33页 |
| 3.5.5 两亲性伪氨基酸组成 | 第33-34页 |
| 3.6 评估准则 | 第34-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第四章 实验结果与分析 | 第37-49页 |
| 4.1 在酿酒酵母数据集中DeepPPI不同网络结构的比较 | 第37-40页 |
| 4.2 与现有方法的比较 | 第40-43页 |
| 4.2.1 在酿酒酵母核心数据集上的性能比较 | 第40-41页 |
| 4.2.2 在幽门螺杆菌数据集上的性能比较 | 第41-42页 |
| 4.2.3 在智人数据集上的性能比较 | 第42页 |
| 4.2.4 在交叉物种PPIs数据集上的性能比较 | 第42-43页 |
| 4.3 与知识型PPIs方法的比较 | 第43-46页 |
| 4.3.1 在Gold和Silver数据集上的表现 | 第43-45页 |
| 4.3.2 在总的Gold和Silver数据集上的表现 | 第45-46页 |
| 4.4 超参数优化 | 第46-47页 |
| 4.5 高级特征可视化 | 第47-48页 |
| 4.6 讨论与结论 | 第48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-58页 |
| 附录A 图索引 | 第58-59页 |
| Appendix A Figure Index | 第59-60页 |
| 附录B 表索引 | 第60-61页 |
| Appendix B Table Index | 第61-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |
