摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
第1章 绪论 | 第12-31页 |
·引言 | 第12-13页 |
·蛋白质的结构层次和功能 | 第13-15页 |
·生物信息数据库 | 第15页 |
·特征提取与优化方法 | 第15-20页 |
·小波变换(Wavelet Transform) | 第16-18页 |
·氨基酸成分(Amino acid composition,AAc) | 第18页 |
·权重氨基酸成分(Weight Amino acid composition,WAAc) | 第18-19页 |
·自相关函数(auto-correlation functions,ACF) | 第19-20页 |
·氨基酸溶剂可及表面积(accessible surface area,ASA) | 第20页 |
·分类算法 | 第20-24页 |
·支持向量机(Support vector machine,SVM) | 第20-22页 |
·K-最近邻算法(K-Nearest Neighbor,KNN) | 第22页 |
·贝叶斯算法(Bayes) | 第22-23页 |
·决策树算法(Decision tree,DT) | 第23页 |
·多类分类问题 | 第23-24页 |
·分类系统的评价 | 第24-25页 |
·评价方法 | 第24页 |
·评价指标 | 第24-25页 |
·本文主要研究内容 | 第25-27页 |
参考文献 | 第27-31页 |
第2章 蛋白质同源寡聚体的预测分析 | 第31-43页 |
·引言 | 第31-32页 |
·材料与方法原理 | 第32-34页 |
·数据集 | 第32页 |
·方法和原理 | 第32-34页 |
·支持向量机原理 | 第34页 |
·结果与讨论 | 第34-39页 |
·小波基的选择 | 第34-35页 |
·分类器的选择 | 第35-36页 |
·序列同源性的影响 | 第36-37页 |
·数据库大小对结果的影响 | 第37-38页 |
·与其它预测模型的比较 | 第38-39页 |
·结论 | 第39页 |
参考文献 | 第39-43页 |
第3章 同源寡聚体和异源寡聚体的预测分析 | 第43-55页 |
·引言 | 第43-44页 |
·原理与方法 | 第44-46页 |
·数据库 | 第44页 |
·方法和原理 | 第44-45页 |
·支持向量机 | 第45-46页 |
·评价指标 | 第46页 |
·实验结果 | 第46-51页 |
·小波函数的选择 | 第46-47页 |
·选择合适的物理化学性质 | 第47-48页 |
·比较不同的分类算法 | 第48-49页 |
·序列一致性的影响 | 第49-50页 |
·与文献方法的比较 | 第50-51页 |
·结论 | 第51页 |
参考文献 | 第51-55页 |
第4章 蛋白质四级结构及其亚结构的预测分析 | 第55-68页 |
·引言 | 第55-56页 |
·原理与方法 | 第56-59页 |
·数据集 | 第56-57页 |
·方法和原理 | 第57-58页 |
·决策树 | 第58页 |
·评价指标 | 第58-59页 |
·结果与讨论 | 第59-64页 |
·小波函数的选择 | 第59-60页 |
·比较不同的分类算法 | 第60-61页 |
·不同物理化学性质的选择 | 第61-62页 |
·与文献方法的比较 | 第62-63页 |
·随机测试 | 第63-64页 |
·结论 | 第64页 |
参考文献 | 第64-68页 |
第5章 蛋白质棕榈化修饰位点的预测分析 | 第68-84页 |
·前言 | 第68-69页 |
·材料与方法 | 第69-73页 |
·数据集 | 第69-70页 |
·特征提取和编码 | 第70-72页 |
·模型的评估 | 第72-73页 |
·结果与讨论 | 第73-80页 |
·确定最优的窗口尺寸大小和特征提取 | 第73-74页 |
·相关序列长度的影响 | 第74页 |
·考察不同的氨基酸疏水值 | 第74-75页 |
·分析序列标识图 | 第75-76页 |
·正负样本比例对结果的影响 | 第76-78页 |
·不同分类算法的影响 | 第78页 |
·独立测试集的预测结果 | 第78-79页 |
·位点的3D结构和网络服务 | 第79-80页 |
·结论 | 第80页 |
参考文献 | 第80-84页 |
第6章 在线服务平台 | 第84-86页 |
·网站建立的意义 | 第84页 |
·在线服务平台 | 第84-86页 |
附录 | 第86-90页 |
附录A | 第86-87页 |
附录B | 第87-90页 |
致谢 | 第90-91页 |
攻读硕士学位期间的研究成果 | 第91页 |