整合模板比对和机器学习方法的蛋白质折叠分类预测
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 本文的研究内容 | 第9-10页 |
| 2 基于机器学习的蛋白质折叠预测 | 第10-21页 |
| 2.1 蛋白质相关知识与结构数据库 | 第10-12页 |
| 2.1.1 蛋白质相关知识 | 第10-11页 |
| 2.1.2 蛋白质结构分类数据库 | 第11-12页 |
| 2.1.3 折叠类型 | 第12页 |
| 2.2 蛋白质折叠数据集 | 第12-13页 |
| 2.2.1 DD、RDD、EDD数据集 | 第12页 |
| 2.2.2 TG数据集 | 第12页 |
| 2.2.3 F184数据集 | 第12-13页 |
| 2.3 特征的提取 | 第13-15页 |
| 2.3.1 PSI-BLAST profile | 第13-14页 |
| 2.3.2 PSIPRED profile | 第14页 |
| 2.3.3 HHblits profile | 第14-15页 |
| 2.4 生物信息学上的机器学习方法 | 第15-16页 |
| 2.4.1 神经网络 | 第15页 |
| 2.4.2 贝叶斯分类器 | 第15页 |
| 2.4.3 支持向量机 | 第15-16页 |
| 2.5 实验内容及结果分析 | 第16-20页 |
| 2.5.1 实验内容 | 第16页 |
| 2.5.2 结果讨论 | 第16-20页 |
| 2.6 本章小结 | 第20-21页 |
| 3 基于模板比对的蛋白质折叠预测 | 第21-25页 |
| 3.1 模板比对常用的数据集 | 第21页 |
| 3.2 HHsearch | 第21页 |
| 3.3 实验内容及结果分析 | 第21-24页 |
| 3.3.1 实验内容 | 第21-22页 |
| 3.3.2 结果讨论 | 第22-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4 整合模板比对和机器学习的蛋白质折叠识别 | 第25-31页 |
| 4.1 整合算法TA-fold | 第25页 |
| 4.2 实验结果与比较分析 | 第25-28页 |
| 4.2.1 实验结果 | 第25-27页 |
| 4.2.2 比较分析 | 第27-28页 |
| 4.3 TA-fold在线服务器 | 第28-30页 |
| 4.4 本章小结 | 第30-31页 |
| 5 整合模板比对和机器学习的蛋白质结构类预测 | 第31-34页 |
| 5.1 蛋白质结构类 | 第31页 |
| 5.2 蛋白质结构类数据集 | 第31页 |
| 5.2.1 1189数据集 | 第31页 |
| 5.2.2 25PDB数据集 | 第31页 |
| 5.2.3 所使用的其他数据集 | 第31页 |
| 5.3 实验分析和讨论 | 第31-33页 |
| 5.3.1 实验分析 | 第31-33页 |
| 5.3.2 结果与讨论 | 第33页 |
| 5.4 本章小结 | 第33-34页 |
| 结论 | 第34-35页 |
| 参考文献 | 第35-39页 |
| 附录 | 第39-46页 |
| 攻读学位期间发表的学术论文 | 第46-47页 |
| 致谢 | 第47-48页 |
