支持向量机预测TAP分子的结合肽
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-15页 |
| 1.1 ABC转运蛋白 | 第7页 |
| 1.2 TAP的结构与功能 | 第7-9页 |
| 1.2.1 NBD结构域 | 第7-9页 |
| 1.2.2 TMD结构域 | 第9页 |
| 1.3 TAP转运机制 | 第9-12页 |
| 1.3.1 NBD的二聚化 | 第9-10页 |
| 1.3.2 ATP水解机理 | 第10页 |
| 1.3.3 TMD-NBD间的信号传导 | 第10-11页 |
| 1.3.4 TAP转运机理 | 第11-12页 |
| 1.4 TAP对底物选择的特异性 | 第12-14页 |
| 1.5 论文的主要工作 | 第14-15页 |
| 2 机器学习与生物信息学 | 第15-31页 |
| 2.1 统计学习理论 | 第15-18页 |
| 2.1.1 经验风险最小化 | 第15-16页 |
| 2.1.2 VC维理论 | 第16-17页 |
| 2.1.3 学习机的推广能力 | 第17页 |
| 2.1.4 结构风险最小化 | 第17-18页 |
| 2.2 支持向量分类机 | 第18-26页 |
| 2.2.1 序列最小最优化算法SMO | 第20-21页 |
| 2.2.2 核函数 | 第21-24页 |
| 2.2.3 正则化与软间隔 | 第24-26页 |
| 2.3 支持向量回归机 | 第26-31页 |
| 3 实验材料 | 第31-34页 |
| 3.1 样本数据集的获取 | 第31页 |
| 3.2 氨基酸编码 | 第31-34页 |
| 4 基于SVR方法建立预测模型 | 第34-36页 |
| 4.1 模型简介 | 第34页 |
| 4.2 预测方法的流程 | 第34-35页 |
| 4.3 程序流程图 | 第35-36页 |
| 5 结果与讨论 | 第36-44页 |
| 5.1 预测模型的性能评估指标 | 第36页 |
| 5.2 预测结果分析 | 第36-38页 |
| 5.3 方法对比 | 第38-39页 |
| 5.4 SVR模型的权值分析 | 第39-42页 |
| 5.5 TAP分子对抗原肽的结合位点分析 | 第42-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士学位期间发表学术论文情况 | 第50-51页 |
| 致谢 | 第51-53页 |
