摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第11-18页 |
1.1 研究背景和意义 | 第11-12页 |
1.2 研究现状 | 第12-16页 |
1.3 本文主要工作 | 第16-17页 |
1.4 本文组织结构 | 第17-18页 |
第2章 蛋白质复合物识别算法研究概述 | 第18-25页 |
2.1 引言 | 第18-19页 |
2.2 拓扑结构预测蛋白质复合物的方法 | 第19-22页 |
2.2.1 基于稠密子图的聚类算法 | 第19-20页 |
2.2.2 基于层次聚类的算法 | 第20页 |
2.2.3 基于图划分的算法方法 | 第20-21页 |
2.2.4 基于核-附属结构的算法 | 第21页 |
2.2.5 基于模拟随机流的图聚类算法 | 第21-22页 |
2.3 多信息融合预测蛋白质复合物的方法 | 第22-24页 |
2.3.1 利用基因表达数据识别蛋白质复合物 | 第22页 |
2.3.2 结合基因本体数据识别蛋白质复合物 | 第22-23页 |
2.3.3 结合其他生物信息的方法 | 第23-24页 |
2.4 小结 | 第24-25页 |
第3章 基于GO语义的PPI可靠网络的构建 | 第25-41页 |
3.1 引言 | 第25-26页 |
3.2 复合物识别的评价指标介绍 | 第26-27页 |
3.3 模拟随机流方法 | 第27-31页 |
3.3.1 方法介绍 | 第27-30页 |
3.3.2 实验分析 | 第30-31页 |
3.4 语义相似度重构可靠网络 | 第31-34页 |
3.4.1 基因本体的介绍 | 第31-32页 |
3.4.2 PPI中基因语义相似度的计算 | 第32-34页 |
3.5 构造可靠PPI网络 | 第34-40页 |
3.5.1 可靠PPI网络构造方法 | 第34-35页 |
3.5.2 实验结果与分析 | 第35-40页 |
3.6 小结 | 第40-41页 |
第4章 基于GO语义与边聚集系数的复合物识别算法 | 第41-54页 |
4.1 引言 | 第41页 |
4.2 相关定义 | 第41-42页 |
4.2.1 边聚集系数 | 第41-42页 |
4.2.2 不同本体域中GO语义相似度的调和平均权值 | 第42页 |
4.2.3 λ-module | 第42页 |
4.3 MWGE方法描述 | 第42-45页 |
4.4 实验分析 | 第45-53页 |
4.4.1 实验数据 | 第45页 |
4.4.2 性能评估 | 第45-50页 |
4.4.3 参数对MWGE方法性能的影响 | 第50-53页 |
4.5 小结 | 第53-54页 |
结论 | 第54-56页 |
本文工作总结 | 第54-55页 |
进一步研究展望 | 第55-56页 |
参考文献 | 第56-63页 |
附录A 攻读学位期间所发表的学术论文 | 第63-64页 |
附录B 攻读学位期间参加的科研项目 | 第64-65页 |
致谢 | 第65页 |