蛋白质相互作用预测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·论文研究意义 | 第8-11页 |
| ·国内外研究现状 | 第11-15页 |
| ·基于结构学的PPIs预测 | 第11-14页 |
| ·基于遗传学的PPIs预测 | 第14-15页 |
| ·基于其他方法的PPIs预测 | 第15页 |
| ·PPIs预测现状小结 | 第15页 |
| ·本文的研究内容 | 第15-17页 |
| 2 机器学习与PPIs预测模型 | 第17-27页 |
| ·引言 | 第17页 |
| ·机器学习理论概述 | 第17-18页 |
| ·决策树 | 第18-20页 |
| ·支持向量机 | 第20-26页 |
| ·本章小结 | 第26-27页 |
| 3 PPIs特征集合的构建 | 第27-32页 |
| ·引言 | 第27-28页 |
| ·源数据 | 第28页 |
| ·PPIs特征提取与编码 | 第28-31页 |
| ·特征提取与编码 | 第28-30页 |
| ·样本集的归一化 | 第30页 |
| ·特征数值的分布统计 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 拟南芥PPIs预测 | 第32-39页 |
| ·引言 | 第32页 |
| ·PPIs预测器效能评价标准 | 第32-33页 |
| ·拟南芥蛋白质相互作用预测 | 第33-37页 |
| ·决策树 | 第33-35页 |
| ·支持向量机 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 5 预测集的应用以及基于GO的预测集分级研究 | 第39-51页 |
| ·引言 | 第39页 |
| ·GO简介 | 第39-40页 |
| ·芥子油苷 | 第40-41页 |
| ·预测结果 | 第41-43页 |
| ·亚细胞定位PPIs分级 | 第43-48页 |
| ·本章小结 | 第48-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 附录 | 第59-60页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第60-61页 |
| 致谢 | 第61-62页 |
