用贝叶斯网络对蛋白质LOOP结构建模的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-14页 |
| 第一章 引言 | 第14-22页 |
| ·课题背景 | 第14-17页 |
| ·课题内容 | 第17-19页 |
| ·研究意义 | 第19-20页 |
| ·本文的组织结构 | 第20-22页 |
| 第二章 蛋白质Loop结构建模相关技术概述 | 第22-37页 |
| ·一阶马尔可夫模型知识概述 | 第22-23页 |
| ·贝叶斯网络模型知识概述 | 第23-26页 |
| ·基本概念 | 第23-25页 |
| ·几种常用打分方法简介 | 第25-26页 |
| ·蛋白质结构及其Loop结构 | 第26-29页 |
| ·蛋白质的组成结构 | 第26页 |
| ·蛋白质结构划分 | 第26-28页 |
| ·Loop结构 | 第28-29页 |
| ·蛋白质骨架结构的计算机表示方法 | 第29-30页 |
| ·经典的蛋白质Loop结构预测方法概述 | 第30-35页 |
| ·Rosetta的Loop建模方法 | 第32-33页 |
| ·HMMSTR | 第33页 |
| ·F85HMM | 第33-34页 |
| ·TorusDBN | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 第三章 基于MM的Loop结构的概率生成模型 | 第37-48页 |
| ·问题描述 | 第37页 |
| ·模型的意义 | 第37-38页 |
| ·LoopMM的构造 | 第38-40页 |
| ·LoopMM网络结构 | 第38-39页 |
| ·二面角概率分布 | 第39-40页 |
| ·LoopMM的训练 | 第40-42页 |
| ·训练集的选择 | 第40页 |
| ·训练方法 | 第40-42页 |
| ·LoopMM的采样 | 第42页 |
| ·性能测试 | 第42-47页 |
| ·方案设计 | 第42-43页 |
| ·Loop二面角对分布测试 | 第43-45页 |
| ·从头预测Loop结构 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 基于贝叶斯网络的Loop结构建模 | 第48-58页 |
| ·问题描述 | 第48页 |
| ·LoopBN的优势 | 第48-49页 |
| ·LoopBN的构造 | 第49-50页 |
| ·LoopBN初始贝叶斯网络结构 | 第49页 |
| ·二面角概率分布 | 第49-50页 |
| ·LoopBN的学习和采样 | 第50-53页 |
| ·训练集 | 第50页 |
| ·学习贝叶斯网络 | 第50页 |
| ·贝叶斯网络结构 | 第50-53页 |
| ·模型的采样 | 第53页 |
| ·实验及结果 | 第53-57页 |
| ·实验设计 | 第53页 |
| ·二面角的分布测试 | 第53-55页 |
| ·从头预测Loop结构 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 结束语 | 第58-60页 |
| ·论文总结 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 发表文章目录及参与项目 | 第66-67页 |
| 致谢 | 第67-68页 |
