| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 研究背景 | 第9-11页 |
| 1.2.1 研究意义 | 第9-10页 |
| 1.2.2 研究现状 | 第10-11页 |
| 1.3 论文研究主要内容 | 第11页 |
| 1.4 论文结构安排 | 第11-13页 |
| 2 蛋白质序列数据处理 | 第13-27页 |
| 2.1 引言 | 第13页 |
| 2.2 蛋白质简介 | 第13-16页 |
| 2.2.1 蛋白质功能 | 第13-14页 |
| 2.2.2 蛋白质结构 | 第14-16页 |
| 2.3 数据来源 | 第16-18页 |
| 2.4 基于蛋白质数据的生物信息分析的蛋白质特征介绍 | 第18-26页 |
| 2.4.1 蛋白质数据分析 | 第18页 |
| 2.4.2 氨基酸残基特征 | 第18-21页 |
| 2.4.2.1 位置特异得分矩阵(PSSM) | 第18-20页 |
| 2.4.2.2 预测的二级结构特征(PSS) | 第20页 |
| 2.4.2.3 滑动窗口介绍 | 第20-21页 |
| 2.4.3 半胱氨酸对特征 | 第21-25页 |
| 2.4.3.1 半胱氨酸序列距离特征(DOC) | 第21-22页 |
| 2.4.3.2 关联突变特征(CM) | 第22-24页 |
| 2.4.3.3 半胱氨酸空间距离特征(PDBCR) | 第24-25页 |
| 2.4.4 全局特征 | 第25-26页 |
| 2.4.4.1 氨基酸比例特征(AAC) | 第25页 |
| 2.4.4.2 蛋白质分子质量(ProW) | 第25页 |
| 2.4.4.3 蛋白质序列长度(ProL) | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 特征选择 | 第27-33页 |
| 3.1 引言 | 第27页 |
| 3.2 特征选择介绍 | 第27-28页 |
| 3.3 传统选择方法 | 第28-29页 |
| 3.3.1 方差得分特征选择 | 第28页 |
| 3.3.2 拉普拉斯得分特征选择 | 第28-29页 |
| 3.3.3 费舍得分特征选择 | 第29页 |
| 3.4 相关性选择 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 基于支持向量回归的二硫键连接模式预测模型 | 第33-42页 |
| 4.1 引言 | 第33页 |
| 4.2 预测模型建立 | 第33-41页 |
| 4.2.1 支持向量机 | 第34-37页 |
| 4.2.2 支持向量回归 | 第37-39页 |
| 4.2.3 随机森林 | 第39-40页 |
| 4.2.4 KNN | 第40-41页 |
| 4.3 本章小结 | 第41-42页 |
| 5 蛋白质序列二硫键预测实验结果与分析 | 第42-57页 |
| 5.1 引言 | 第42页 |
| 5.2 性能评估 | 第42-44页 |
| 5.2.1 二硫键形成的模式预测方法 | 第42-43页 |
| 5.2.2 二硫键模式预测性能评估标准 | 第43页 |
| 5.2.3 4重交叉验证 | 第43-44页 |
| 5.3 实验结果与分析讨论 | 第44-53页 |
| 5.3.1 支持向量回归实验 | 第44-49页 |
| 5.3.1.1 不同特征组合对实验结果的影响 | 第44-45页 |
| 5.3.1.2 单变量特征选择对预测的影响 | 第45-46页 |
| 5.3.1.3 对费舍选择的分析 | 第46-47页 |
| 5.3.1.4 相关性特征选择对预测的影响 | 第47-48页 |
| 5.3.1.5 与支持向量分类比较 | 第48-49页 |
| 5.3.2 其它分类器下的预测结果 | 第49-50页 |
| 5.3.3 与其它实验结果比较 | 第50-52页 |
| 5.3.4 实验结果的显著性检验 | 第52-53页 |
| 5.4 预测系统展示 | 第53-55页 |
| 5.4.1 运行环境说明 | 第53页 |
| 5.4.2 系统介绍 | 第53-55页 |
| 5.5 本章小结 | 第55-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 研究工作总结 | 第57页 |
| 6.2 未来的工作与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 | 第65页 |