摘要 | 第1-7页 |
ABSTRACT | 第7-10页 |
目录 | 第10-14页 |
第一章 绪论 | 第14-26页 |
·研究背景及意义 | 第14-17页 |
·国内外的研究现状 | 第17-22页 |
·蛋白质亚细胞定位研究 | 第18-19页 |
·蛋白质结构类和折叠类型预测研究 | 第19-20页 |
·蛋白质二级结构预测研究 | 第20-22页 |
·论文的研究内容和创新点 | 第22-23页 |
·论文的章节安排 | 第23-26页 |
第二章 蛋白质亚细胞定位预测算法的研究 | 第26-46页 |
·引言 | 第26-27页 |
·改进的伪氨基酸组成模型 | 第27-30页 |
·伪氨基酸组成离散模型 | 第27-28页 |
·改进的伪氨基酸组成模型 | 第28-30页 |
·真核细胞蛋白质亚细胞定位预测 | 第30-37页 |
·蛋白质序列表示方法 | 第31-33页 |
·扩大的协方差判别式算法 | 第33页 |
·测试数据集 | 第33-34页 |
·性能评价标准 | 第34-35页 |
·结果与讨论 | 第35-37页 |
·凋谢蛋白亚细胞定位预测研究 | 第37-45页 |
·背景介绍 | 第37-38页 |
·材料和方法 | 第38-43页 |
·结果与讨论 | 第43-45页 |
·小结 | 第45-46页 |
第三章 基于伪氨基酸组成的蛋白质结构类预测算法的研究 | 第46-64页 |
·引言 | 第46页 |
·背景及相关工作 | 第46-48页 |
·基于二叉树支持向量机的结构类预测方法 | 第48-56页 |
·序列特征表示 | 第48-49页 |
·支持向量机原理 | 第49-51页 |
·二叉树支持向量机 | 第51-52页 |
·数据集和评价方法 | 第52-53页 |
·结果与讨论 | 第53-56页 |
·基于近似熵的蛋白质结构类预测方法 | 第56-62页 |
·测试数据集 | 第57页 |
·预测方法 | 第57-58页 |
·近似熵原理与计算方法 | 第58-59页 |
·结果与讨论 | 第59-62页 |
·小结 | 第62-64页 |
第四章 基于模糊支持向量机网络的蛋白质结构类预测研究 | 第64-70页 |
·引言 | 第64页 |
·材料和方法 | 第64-67页 |
·模糊支持向量机 | 第64-65页 |
·模糊支持向量机网络 | 第65-66页 |
·蛋白质序列表示 | 第66-67页 |
·结果与讨论 | 第67-69页 |
·小结 | 第69-70页 |
第五章 不同结构类蛋白质二级结构预测算法的研究 | 第70-86页 |
·引言 | 第70-71页 |
·背景及相关工作 | 第71-73页 |
·最大熵模型原理 | 第73-74页 |
·材料和方法 | 第74-82页 |
·数据集 | 第74-76页 |
·蛋白质二级结构预测模型的建立 | 第76-77页 |
·特征空间 | 第77-80页 |
·特征模版 | 第80-81页 |
·算法性能评价 | 第81-82页 |
·结果与分析 | 第82-85页 |
·小结 | 第85-86页 |
第六章 基于集成分类算法的蛋白质亚核定位研究 | 第86-94页 |
·引言 | 第86页 |
·研究背景 | 第86-87页 |
·材料和方法 | 第87-90页 |
·数据集 | 第87页 |
·蛋白质序列表示 | 第87-88页 |
·集成分类预测系统 | 第88-89页 |
·AdaBoost算法 | 第89-90页 |
·结果与讨论 | 第90-93页 |
·小结 | 第93-94页 |
第七章 蛋白质序列Motif发现算法的研究 | 第94-112页 |
·引言 | 第94-95页 |
·背景及相关工作 | 第95-96页 |
·蛋白质序列Motif发现算法 | 第96-101页 |
·特征选择 | 第97-98页 |
·模体连接 | 第98-100页 |
·模体产生 | 第100-101页 |
·蛋白质序列家族识别 | 第101页 |
·Motif发现算法在连接酶的亚家族识别上的应用 | 第101-109页 |
·数据集 | 第102-103页 |
·结果与讨论 | 第103-108页 |
·接连酶亚家族类型预测服务器 | 第108-109页 |
·小结 | 第109-112页 |
第八章 总结与展望 | 第112-116页 |
·总结 | 第112-114页 |
·展望 | 第114-116页 |
参考文献 | 第116-134页 |
附录 | 第134-137页 |
附录A 攻读博士学位期间完成的论文 | 第134-136页 |
附录B 攻读博士学位期间所参与的项目 | 第136-137页 |
附录C 攻读博士学位期间获得的奖励和荣誉称号 | 第137页 |