| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 缩略语表 | 第9-10页 |
| 1 引言 | 第10-18页 |
| 1.1 课题研究的资料和生物学意义 | 第10-15页 |
| 1.1.1 蛋白质8态二级结构研究的背景资料和生物学意义 | 第10-14页 |
| 1.1.2 抗癌肽研究的背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.2.1 蛋白质8态二级结构的研究现状 | 第15页 |
| 1.2.2 抗癌肽的研究现状 | 第15-16页 |
| 1.3 论文主要工作成果 | 第16页 |
| 1.4 论文组织安排 | 第16-18页 |
| 2 特征参数和理论预测方法 | 第18-24页 |
| 2.1 特征参数 | 第18页 |
| 2.2 理论预测方法 | 第18-21页 |
| 2.2.1 二次判别法(QDA) | 第18-20页 |
| 2.2.2 支持向量机算法(SVM) | 第20页 |
| 2.2.3 随机森林算法(RF) | 第20页 |
| 2.2.4 离散量(DC) | 第20-21页 |
| 2.3 算法的检验与评价 | 第21-24页 |
| 2.3.1 检验方法 | 第21-22页 |
| 2.3.2 蛋白质8态二级结构预测性能的评价指标 | 第22页 |
| 2.3.3 抗癌肽预测的性能评价指标 | 第22-24页 |
| 3 蛋白质8态二级结构的预测 | 第24-30页 |
| 3.1 数据集的构建 | 第24页 |
| 3.2 特征参量的提取 | 第24-25页 |
| 3.2.1 选择序列片段 | 第24-25页 |
| 3.2.2 算法的实施 | 第25页 |
| 3.3 蛋白质8态二级结构的预测 | 第25-28页 |
| 3.3.1 二次判别法(QDA)对蛋白质8态二级结构的预测 | 第25-27页 |
| 3.3.2 支持向量机算法对蛋白质8态二级结构的预测 | 第27页 |
| 3.3.3 随机森林算法对蛋白质8态二级结构的预测 | 第27-28页 |
| 3.3.4 在线服务器对蛋白质8态二级结构的预测 | 第28页 |
| 3.4 结论 | 第28-30页 |
| 4 抗癌肽的预测 | 第30-33页 |
| 4.1 数据集的构建 | 第30页 |
| 4.2 特征参量的选取 | 第30页 |
| 4.2.1 蛋白质二级结构组分(PSS) | 第30页 |
| 4.2.2 氨基酸组分(AAC) | 第30页 |
| 4.2.3 亲疏水氨基酸组分D(HP) | 第30页 |
| 4.3 抗癌肽的预测 | 第30-32页 |
| 4.3.1 二次判别法(QDA)对抗癌肽的预测 | 第30-31页 |
| 4.3.2 随机森林算法(RF)对抗癌肽的预测 | 第31-32页 |
| 4.4 结论 | 第32-33页 |
| 5 总结与展望 | 第33-35页 |
| 5.1 总结 | 第33页 |
| 5.1.1 蛋白质8态二级结构 | 第33页 |
| 5.1.2 抗癌肽 | 第33页 |
| 5.2 展望 | 第33-35页 |
| 5.2.1 蛋白质8态二级结构 | 第33-34页 |
| 5.2.2 抗癌肽 | 第34-35页 |
| 致谢 | 第35-36页 |
| 参考文献 | 第36-42页 |
| 作者简介 | 第42-43页 |
| 附录一 | 第43-54页 |
