| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 引言 | 第13-17页 |
| 0.1 选题背景及研究意义 | 第13-15页 |
| 0.2 研究内容及结构安排 | 第15-17页 |
| 第1章 国内外文献综述 | 第17-31页 |
| 1.1 前言 | 第17-18页 |
| 1.2 蛋白质—蛋白质相互作用 | 第18-20页 |
| 1.2.1 研究PPI的方法 | 第18-19页 |
| 1.2.2 研究PPI的数据库 | 第19-20页 |
| 1.3 基于数据挖掘的蛋白质相互作用方法 | 第20-25页 |
| 1.3.1 蛋白质命名识别 | 第20-22页 |
| 1.3.2 蛋白质相互作用关系抽取方法 | 第22-25页 |
| 1.3.3 数据挖掘在PPI研究中的应用 | 第25页 |
| 1.4 基于复杂网络的PPI数据分析 | 第25-27页 |
| 1.5 链路预测概述 | 第27-28页 |
| 1.5.1 链路预测基础 | 第27页 |
| 1.5.2 链路预测研究思路 | 第27-28页 |
| 1.6 阿尔兹海默症概述 | 第28-31页 |
| 1.6.1 AD流行病学概况 | 第28-29页 |
| 1.6.2 AD的发病机理 | 第29-31页 |
| 第2章 蛋白质相互作用的数据来源 | 第31-40页 |
| 2.1 蛋白质相互作用的实验方法 | 第31-34页 |
| 2.1.1 酵母双杂交系统 | 第31-32页 |
| 2.1.2 噬菌体展示技术 | 第32页 |
| 2.1.3 免疫共沉淀技术 | 第32-33页 |
| 2.1.4 表面等离子共振技术 | 第33页 |
| 2.1.5 荧光共振能量转移 | 第33页 |
| 2.1.6 蛋白芯片 | 第33-34页 |
| 2.2 蛋白质相互作用的数据库 | 第34-36页 |
| 2.2.1 BioGRID数据库 | 第34-35页 |
| 2.2.2 DIP数据库 | 第35页 |
| 2.2.3 IntAct数据库 | 第35-36页 |
| 2.2.4 MINT数据库 | 第36页 |
| 2.2.5 PIPs数据库 | 第36页 |
| 2.2.6 HPRD数据库 | 第36页 |
| 2.3 本研究的数据来源 | 第36-40页 |
| 2.3.1 阿尔兹海默症相关文献数据 | 第36-38页 |
| 2.3.2 词典数据 | 第38-40页 |
| 第3章 研究方法与工具 | 第40-47页 |
| 3.1 图论 | 第40-42页 |
| 3.1.1 定义 | 第40-41页 |
| 3.1.2 图的矩阵表示 | 第41-42页 |
| 3.2 Python语言介绍 | 第42-44页 |
| 3.2.1 Python语言特征 | 第43-44页 |
| 3.2.2 Python语言的应用 | 第44页 |
| 3.3 R语言介绍 | 第44-45页 |
| 3.3.1 R语言特征 | 第45页 |
| 3.3.2 常用包简介 | 第45页 |
| 3.4 算法介绍 | 第45-47页 |
| 第4章 分析阿尔兹海默症相关蛋白质相互作用的数据挖掘 | 第47-50页 |
| 4.1 阿尔兹海默症相关蛋白质信息的文本挖掘 | 第47-48页 |
| 4.2 识别率验证 | 第48-49页 |
| 4.3 阿尔兹海默症相关蛋白相互作用网络构建 | 第49-50页 |
| 第5章 阿尔兹海默症相关蛋白质相互作用的社会网络分析 | 第50-62页 |
| 5.1 阿尔兹海默症相关蛋白质相互作用的网络分析 | 第50-59页 |
| 5.1.1 网络基本信息分析 | 第51-56页 |
| 5.1.2 社团分析 | 第56-59页 |
| 5.2 阿尔兹海默症相关蛋白质链路预测 | 第59-62页 |
| 第6章 结论与展望 | 第62-65页 |
| 6.1 研究结论 | 第62-63页 |
| 6.2 研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-76页 |
| 附录 A 蛋白质名称 | 第76-87页 |
| 附录 B 链路预测得分表(≥4分) | 第87-90页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第90-91页 |