| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 第1章 绪论 | 第14-32页 |
| 1.1 课题背景意义 | 第14-17页 |
| 1.2 蛋白质互作数据基础 | 第17-21页 |
| 1.2.1 基于生物学实验方法获取蛋白质互作 | 第17-18页 |
| 1.2.2 蛋白质互作数据库 | 第18-20页 |
| 1.2.3 其它数据库 | 第20-21页 |
| 1.3 蛋白质互作预测和评估的计算方法 | 第21-24页 |
| 1.3.1 基因组信息推导蛋白质互作 | 第21-22页 |
| 1.3.2 蛋白质结构信息推导蛋白质互作 | 第22-23页 |
| 1.3.3 基于生物学相关信息预测蛋白质互作 | 第23-24页 |
| 1.4 基于蛋白质互作网络疾病研究现状 | 第24-29页 |
| 1.4.1 疾病蛋白质网络属性 | 第25-26页 |
| 1.4.2 疾病模块分析 | 第26-27页 |
| 1.4.3 疾病蛋白质预测分析 | 第27-28页 |
| 1.4.4 预测疾病蛋白质存在的主要问题 | 第28-29页 |
| 1.5 课题来源及主要研究内容 | 第29-32页 |
| 1.5.1 课题来源 | 第29页 |
| 1.5.2 主要研究内容及文章结构 | 第29-32页 |
| 第2章 基于宽进严出策略的蛋白质互作预测框架 | 第32-48页 |
| 2.1 引言 | 第32-34页 |
| 2.2 蛋白质互作网络 | 第34-40页 |
| 2.2.1 蛋白质互作网络表示 | 第34-35页 |
| 2.2.2 若干网络拓扑属性 | 第35-38页 |
| 2.2.3 蛋白质互作网络中的模块 | 第38-40页 |
| 2.3 蛋白质互作预测方法的可靠性分级 | 第40-42页 |
| 2.4 两种获取可靠预测模式 | 第42-43页 |
| 2.5 宽进严出预测框架模型 | 第43-44页 |
| 2.6 宽进严出模型使用原则 | 第44-46页 |
| 2.7 预测结果的评估 | 第46-47页 |
| 2.7.1 基于金标准的统计评估方法 | 第46-47页 |
| 2.7.2 基于其它数据集评估预测互作 | 第47页 |
| 2.8 本章小结 | 第47-48页 |
| 第3章 基于宽进严出模型的蛋白质互作预测 | 第48-68页 |
| 3.1 引言 | 第48-49页 |
| 3.2 基于标准的宽进严出模型的蛋白质互作预测 | 第49-54页 |
| 3.2.1 整体流程介绍 | 第49-50页 |
| 3.2.2 宽进产生预测候选集 | 第50-52页 |
| 3.2.3 严出评估预测候选集 | 第52-54页 |
| 3.3 基于简化的宽进严出模型的蛋白质互作预测 | 第54-58页 |
| 3.3.1 挑选参与互作预测的团 | 第55页 |
| 3.3.2 基于团的差一边法预测蛋白质互作 | 第55-56页 |
| 3.3.3 基因本体论修正预测的互作 | 第56-57页 |
| 3.3.4 基于预测互作产生团 | 第57-58页 |
| 3.4 标准预测模型的实验结果分析 | 第58-62页 |
| 3.4.1 多种特征的蛋白质互作数据集 | 第58页 |
| 3.4.2 预测方法计算性能评估 | 第58-59页 |
| 3.4.3 基于金标准的预测统计评估 | 第59页 |
| 3.4.4 基于已知数据集的预测评估 | 第59-60页 |
| 3.4.5 噪声条件下的健壮性评估 | 第60-61页 |
| 3.4.6 评估方法兼容互补性分析 | 第61-62页 |
| 3.5 简化预测模型的实验结果分析 | 第62-67页 |
| 3.5.1 蛋白质互作网络以及预测集合 | 第62页 |
| 3.5.2 基于金标准的预测统计评估 | 第62-63页 |
| 3.5.3 Bio GRID数据集评估 | 第63-64页 |
| 3.5.4 与其它方法的性能比较 | 第64-65页 |
| 3.5.5 CORE和ALL集合的相交性 | 第65-66页 |
| 3.5.6 预测互作扩展团的评估 | 第66-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第4章 基于蛋白质复合物预测蛋白质互作 | 第68-83页 |
| 4.1 前言 | 第68-70页 |
| 4.2 基于蛋白质复合物的互作预测方法 | 第70-76页 |
| 4.2.1 蛋白质复合物发现算法 | 第70-71页 |
| 4.2.2 基于桥分割预测互作算法 | 第71-73页 |
| 4.2.3 基于自适应k核预测互作算法 | 第73-75页 |
| 4.2.4 特定情况下的自适应k核算法改进 | 第75页 |
| 4.2.5 基于子网预测蛋白质互作 | 第75-76页 |
| 4.3 实验结果分析 | 第76-81页 |
| 4.3.1 桥分割预测互作算法评估 | 第77页 |
| 4.3.2 自适应k核算法预测互作评估 | 第77-79页 |
| 4.3.3 预测互作的互补性 | 第79-80页 |
| 4.3.4 预测互作与蛋白质复合物的关联 | 第80-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第5章 基于候选集竞争确定网络中的潜在团 | 第83-97页 |
| 5.1 前言 | 第83-85页 |
| 5.2 基于候选集合竞争的团扩展方法 | 第85-89页 |
| 5.2.1 挖掘潜在团的框架 | 第85-86页 |
| 5.2.2 基于候选集合竞争 | 第86-88页 |
| 5.2.3 基于候选集合竞争的算法 | 第88-89页 |
| 5.2.4 确定最终的团 | 第89页 |
| 5.3 实验结果分析 | 第89-92页 |
| 5.3.1 相差边数阈值t对算法CC性能的影响 | 第89-90页 |
| 5.3.2 潜在团的可靠性评估 | 第90-91页 |
| 5.3.3 与其它方法的对比实验 | 第91-92页 |
| 5.4 潜在团与复合物的关联 | 第92-94页 |
| 5.5 潜在团与疾病的关联 | 第94-95页 |
| 5.6 本章小结 | 第95-97页 |
| 第6章 蛋白质网络中基于团骨架预测致病蛋白质 | 第97-117页 |
| 6.1 前言 | 第97-98页 |
| 6.2 基于团的致病蛋白质预测 | 第98-102页 |
| 6.2.1 挖掘并扩展网络中的团 | 第99-101页 |
| 6.2.2 基于统计显著性确定疾病相关的团 | 第101-102页 |
| 6.2.3 用基因本体论注释为预测的致病蛋白质评分 | 第102页 |
| 6.3 实验涉及数据及验证 | 第102-104页 |
| 6.3.1 蛋白质互作网络 | 第103页 |
| 6.3.2 已知疾病标识数据集 | 第103页 |
| 6.3.3 预测结果验证数据集 | 第103-104页 |
| 6.4 实验结果分析 | 第104-114页 |
| 6.4.1 不同互作数量的蛋白质网络对于方法性能的影响 | 第104-105页 |
| 6.4.2 对于预测的致病蛋白质的评估 | 第105-106页 |
| 6.4.3 在缺少致病蛋白质注释情况下的性能评估 | 第106-107页 |
| 6.4.4 团扩展和基因本体论评分的预测提升 | 第107-108页 |
| 6.4.5 预测的致病蛋白质的疾病分类 | 第108-110页 |
| 6.4.6 预测的疾病蛋白质的表型相似性 | 第110-112页 |
| 6.4.7 预测的致病蛋白质有助于研究复杂疾病 | 第112-114页 |
| 6.5 结果讨论 | 第114-115页 |
| 6.6 本章小结 | 第115-117页 |
| 结论 | 第117-119页 |
| 参考文献 | 第119-132页 |
| 攻读学位期间发表的学术论文 | 第132-134页 |
| 致谢 | 第134-135页 |
| 个人简历 | 第135页 |