基于监督学习的激酶鉴定算法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9-11页 |
| ·研究现状与进展 | 第11-15页 |
| ·基于试验方法的磷酸化鉴定工作 | 第11-12页 |
| ·基于计算的磷酸化修饰鉴定工作 | 第12-15页 |
| ·本文的内容结构安排 | 第15-17页 |
| 第2章 常用的机器学习算法及其应用 | 第17-25页 |
| ·贝叶斯决策理论及其在磷酸化领域中的应用 | 第17-19页 |
| ·贝叶斯决策理论介绍 | 第17-19页 |
| ·贝叶斯决策理论在磷酸化中的应用 | 第19页 |
| ·K近邻算法及其在磷酸化研究中的应用 | 第19-21页 |
| ·K近邻算法概述 | 第20-21页 |
| ·K近邻算法在磷酸化研究中的应用 | 第21页 |
| ·支持向量机及其在磷酸化研究中的应用 | 第21-25页 |
| ·支持向量机算法概述 | 第21-24页 |
| ·支持向量机在磷酸化研究中的应用 | 第24-25页 |
| 第3章 核矩阵及其应用 | 第25-29页 |
| ·核矩阵描述 | 第25-26页 |
| ·核矩阵的应用方法 | 第26-29页 |
| 第4章 蛋白质磷酸化激酶鉴定数据提取与分析 | 第29-35页 |
| ·数据来源 | 第29-30页 |
| ·数据处理 | 第30-31页 |
| ·局部序列特征及训练数据的构建 | 第31-35页 |
| 第5章 激酶鉴定算法SLapRLS | 第35-51页 |
| ·SLapRLS算法原理 | 第35-39页 |
| ·最小二乘法 | 第35-36页 |
| ·数据间标记与相似度的不一致性 | 第36-37页 |
| ·有指导的正则化的拉普拉斯最小二乘法 | 第37-39页 |
| ·SLapRLS在激酶鉴定中的应用 | 第39-41页 |
| ·相似度矩阵的构建 | 第39-40页 |
| ·核矩阵的构建 | 第40-41页 |
| ·参数的选取 | 第41页 |
| ·激酶鉴定算法评估 | 第41-44页 |
| ·激酶鉴定算法性能评估方法 | 第41-42页 |
| ·性能评价指标 | 第42-44页 |
| ·模型性能比较 | 第44-51页 |
| ·磷酸化算法间的性能比较 | 第44-47页 |
| ·SLapRLS与激酶鉴定工具的性能比较 | 第47-49页 |
| ·SLapRLS的实际应用 | 第49-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-59页 |
| 研究生期间发表的学术论文 | 第59页 |
