| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题研究意义及背景 | 第10-12页 |
| ·蛋白质定义 | 第12-14页 |
| ·氨基酸 | 第12-13页 |
| ·蛋白质结构分类 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·常用的蛋白质数据库及数据集 | 第17-18页 |
| ·论文结构 | 第18-20页 |
| 第二章 蛋白质三级结构预测的相关工具 | 第20-32页 |
| ·常用机器学习分类器 | 第20-27页 |
| ·人工神经网络(ANN) | 第20-23页 |
| ·支持向量机 | 第23页 |
| ·柔性神经树 | 第23-27页 |
| ·集成学习 | 第27-29页 |
| ·常用蛋白质三级结构分类集成策略 | 第28页 |
| ·一对多分类方法 | 第28-29页 |
| ·分类模型性能评价指标 | 第29-30页 |
| ·基分类器分类精度评价标准 | 第30-31页 |
| ·分类模型验证方法 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第三章 蛋白质三级结构分类的特征提取方法 | 第32-42页 |
| ·蛋白质一维结构特征 | 第32页 |
| ·蛋白质空间结构特征 | 第32-33页 |
| ·特征提取方法 | 第33-39页 |
| ·氨基酸组成模型(AA) | 第33页 |
| ·多肽组成模型(Polypeptide Composition) | 第33-34页 |
| ·广义二肽频率 | 第34-35页 |
| ·二级结构的倾向性 | 第35-36页 |
| ·亲水/疏水性模式 | 第36-37页 |
| ·广义多肽相关系数 | 第37-39页 |
| ·去冗余化处理 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 树状蛋白质三级结构分类模型 | 第42-50页 |
| ·实验材料的选择 | 第42-43页 |
| ·树状蛋白质三级结构分类模型的提出 | 第43-44页 |
| ·实验步骤 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-54页 |
| ·实验总结 | 第50页 |
| ·前景展望 | 第50-54页 |
| 参考文献 | 第54-66页 |
| 致谢 | 第66-68页 |
| 附录 | 第68-69页 |