| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第14-30页 |
| 1.1 研究背景和意义 | 第14-18页 |
| 1.1.1 研究背景 | 第14-17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 研究现状分析 | 第18-22页 |
| 1.2.1 对接柔性问题的研究现状分析 | 第18-20页 |
| 1.2.2 对接结合位点预测问题的研究现状分析 | 第20-21页 |
| 1.2.3 蛋白质结构计算问题相关的数据库 | 第21-22页 |
| 1.3 研究内容 | 第22-24页 |
| 1.3.1 蛋白质-配体对接局部柔性的优化 | 第22-23页 |
| 1.3.2 蛋白质-配体对接骨架柔性的优化 | 第23页 |
| 1.3.3 蛋白质-配体对接全原子柔性的优化 | 第23-24页 |
| 1.3.4 蛋白质-配体对接结合位点的判定 | 第24页 |
| 1.4 解决方案 | 第24-28页 |
| 1.4.1 局部柔性区域优化转化为loop结构采样 | 第24-25页 |
| 1.4.2 蛋白质二面角的预测实现骨架柔性的优化 | 第25-26页 |
| 1.4.3 结构重构实现全原子柔性的优化 | 第26页 |
| 1.4.4 使用递归神经网络预测对接结合位点 | 第26-28页 |
| 1.5 本文结构 | 第28-30页 |
| 第二章 面向蛋白质loop建模的局部柔性优化 | 第30-41页 |
| 2.1 引言 | 第30-31页 |
| 2.2 基于循环坐标下降法的柔性区域建模 | 第31-33页 |
| 2.2.1 loop闭合的简介 | 第31-32页 |
| 2.2.2 两阶段循环坐标下降法（CCD~2）的设计 | 第32-33页 |
| 2.3 柔性区域建模方法LMbCCD~2的设计 | 第33-34页 |
| 2.4 实验与分析 | 第34-39页 |
| 2.4.1 loop闭合的性能分析 | 第34-36页 |
| 2.4.2 CCD~2方法对loop拓扑结构的性能控制 | 第36-37页 |
| 2.4.3 LMbCCD~2采样方法在蛋白质柔性对接中的应用 | 第37-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第三章 面向蛋白质二面角预测的骨架柔性优化 | 第41-63页 |
| 3.1 引言 | 第41-42页 |
| 3.2 蛋白质二面角预测的深度学习模型 | 第42-50页 |
| 3.2.1 深度神经网络（DNN） | 第44-45页 |
| 3.2.2 深度受限玻尔茨曼机（DRBM） | 第45-47页 |
| 3.2.3 深度递归神经网络（DRNN） | 第47-48页 |
| 3.2.4 深度递归受限玻耳茨曼机（DReRBM） | 第48-50页 |
| 3.3 验证实验 | 第50-55页 |
| 3.3.1 实验数据 | 第50页 |
| 3.3.2 数据特征 | 第50-52页 |
| 3.3.3 递归神经网络的变长处理方式 | 第52-53页 |
| 3.3.4 面向深度学习模型的特征编码方式 | 第53-54页 |
| 3.3.5 实验设计 | 第54-55页 |
| 3.4 结果与分析 | 第55-62页 |
| 3.4.1 不同特征组合的性能比较分析 | 第55-57页 |
| 3.4.2 不同窗口大小的性能比较分析 | 第57-58页 |
| 3.4.3 递归神经网络中记忆长短的性能比较 | 第58-60页 |
| 3.4.4 独立测试集上不同方法之间的性能比较 | 第60-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第四章 面向蛋白质结构重构的全原子柔性优化 | 第63-77页 |
| 4.1 引言 | 第63页 |
| 4.2 基于模板的蛋白质结构重构模型 | 第63-66页 |
| 4.2.1 模型的理论分析 | 第63-65页 |
| 4.2.2 模型的设计 | 第65-66页 |
| 4.3 验证实验 | 第66-69页 |
| 4.3.1 实验数据 | 第66页 |
| 4.3.2 评价标准 | 第66-67页 |
| 4.3.3 方法设计 | 第67-69页 |
| 4.4 结果与分析 | 第69-75页 |
| 4.4.1 与MODELLER的对比实验结果与分析 | 第69-72页 |
| 4.4.2 三种基于模板的建模方法对比实验结果与分析 | 第72-75页 |
| 4.5 本章小结 | 第75-77页 |
| 第五章 蛋白质-配体对接结合位点预测 | 第77-93页 |
| 5.1 引言 | 第77页 |
| 5.2 蛋白质-配体对接结合位点预测模型 | 第77-80页 |
| 5.2.1 模型的理论分析 | 第77-79页 |
| 5.2.2 模型的设计 | 第79-80页 |
| 5.3 验证实验 | 第80-85页 |
| 5.3.1 数据与特征 | 第80-84页 |
| 5.3.2 实验设计 | 第84-85页 |
| 5.4 结果与分析 | 第85-91页 |
| 5.4.1 LSTM与RNN在蛋白质二面角预测问题上的比较 | 第85-86页 |
| 5.4.2 LSTM对蛋白质-配体对接结合位点预测的结果分析 | 第86-89页 |
| 5.4.3 RNN与其它机器学习方法的对比分析 | 第89-91页 |
| 5.5 本章小结 | 第91-93页 |
| 第六章 总结与展望 | 第93-98页 |
| 6.1 工作总结 | 第93-96页 |
| 6.2 研究展望 | 第96-98页 |
| 参考文献 | 第98-111页 |
| 攻读硕士学位期间发表(录用)的论文及参与的科研项目 | 第111-113页 |
| 致谢 | 第113-115页 |
