| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9-10页 |
| ·国内外的研究现状 | 第10-14页 |
| ·主要研究工作 | 第14-16页 |
| 第2章 预备知识 | 第16-30页 |
| ·通用实验数据集和评价标准 | 第16-23页 |
| ·常用的蛋白质结构与序列数据库简介 | 第16-19页 |
| ·通用实验数据集的建立 | 第19-21页 |
| ·蛋白质折叠预测评价标准 | 第21-23页 |
| ·蛋白质的结构层次和折叠模式 | 第23-25页 |
| ·常用的蛋白质折叠预测基本算法 | 第25-28页 |
| ·人工神经网络 | 第25-26页 |
| ·K-近邻法 | 第26-27页 |
| ·支持向量机 | 第27-28页 |
| ·遗传算法 | 第28-30页 |
| 第3章 机器学习在蛋白质折叠预测中的应用 | 第30-46页 |
| ·特征提取 | 第30-39页 |
| ·基于序列的特征 | 第30-32页 |
| ·维系蛋白质空间结构稳定的物理化学特征 | 第32-35页 |
| ·预测的二级结构特征 | 第35-39页 |
| ·基于遗传算法的特征优化 | 第39-40页 |
| ·基本预测算法的选取 | 第40页 |
| ·预测及评价 | 第40-46页 |
| 第4章 基于随机森林的多层次预测结构及其在蛋白质折叠预测中的应用 | 第46-61页 |
| ·随机森林 | 第46-48页 |
| ·基于随机森林的多层次预测结构 | 第48-49页 |
| ·改进的特征提取 | 第49-52页 |
| ·基于进化信息的氨基酸组成特征 | 第50-51页 |
| ·基于PredictProtein预测的二级结构特征 | 第51-52页 |
| ·实验结果与分析 | 第52-61页 |
| ·实验方案 | 第52页 |
| ·实验结果 | 第52-57页 |
| ·MLPA-RF和已有方法的比较 | 第57-59页 |
| ·随机森林和其他基本预测算法的比较 | 第59页 |
| ·特征分析 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| ·论文工作总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读硕士学位期间参与的科研项目和研究成果 | 第67页 |