| 中文摘要 | 第1-9页 |
| Abstract | 第9-11页 |
| 1 引言 | 第11-20页 |
| ·蛋白质磷酸化位点数据库 | 第12-14页 |
| ·蛋白质磷酸化位点预测工具 | 第14-18页 |
| ·Kinasephos | 第14-15页 |
| ·Musite | 第15-16页 |
| ·PlantPhos | 第16-17页 |
| ·PhosphoRice | 第17-18页 |
| ·技术路线与开发平台 | 第18-20页 |
| ·开发平台 | 第18-19页 |
| ·技术路线 | 第19-20页 |
| 2 材料和方法 | 第20-33页 |
| ·数据的收集和整理 | 第20-21页 |
| ·序列特征的提取与优化 | 第21-24页 |
| ·KNN特征提取法 | 第21-22页 |
| ·CKSAAP特征提取法 | 第22页 |
| ·氨基酸组成的特征提取法 | 第22-23页 |
| ·特征值优化 | 第23-24页 |
| ·模型的建立与评估 | 第24-26页 |
| ·评价方法 | 第26-27页 |
| ·分类算法选择 | 第27-33页 |
| 3 结果与分析 | 第33-49页 |
| ·不同特征提取方法的性能比较分析 | 第33-41页 |
| ·训练集数据量大小对单一特征提取方法性能的影响分析 | 第41-43页 |
| ·不同分类算法的预测性能分析 | 第43-47页 |
| ·水稻蛋白质磷酸化位点预测SVM工具的性能分析 | 第47-48页 |
| ·水稻蛋白质磷酸化位点预测工具Rice_Phospho1.0构建 | 第48-49页 |
| 4 讨论与小结 | 第49-53页 |
| ·不同特征提取方法的性能比较分析 | 第49-51页 |
| ·不同分类方法的预测性能比较 | 第51页 |
| ·水稻蛋白质磷酸化位点预测工具Rice_Phospho的性能分析 | 第51-53页 |
| 5 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58页 |
