| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 计算生物学简介 | 第9页 |
| 1.2 药物靶标数据库及机器学习算法 | 第9-12页 |
| 1.2.1 药物靶标数据库 | 第9-11页 |
| 1.2.2 机器学习算法 | 第11-12页 |
| 1.3 基于机器学习的药物靶标预测问题描述及研究意义 | 第12-13页 |
| 1.4 国内外研究概况 | 第13-16页 |
| 1.5 论文的主要研究工作 | 第16-17页 |
| 第二章 基于集成分类器的药物靶蛋白预测 | 第17-32页 |
| 2.1 引言 | 第17-18页 |
| 2.2 基于不同数据来源的药物靶标预测方法 | 第18-25页 |
| 2.2.1 基于基因表达的预测方法 | 第18-20页 |
| 2.2.2 基于分子网路的预测方法 | 第20-23页 |
| 2.2.3 基于药物效用的预测方法 | 第23-25页 |
| 2.3 整合多源数据，基于集成分类器的药物-疗效靶蛋白预测 | 第25-28页 |
| 2.3.1 数据 | 第25-26页 |
| 2.3.2 方法 | 第26-27页 |
| 2.3.3 预测模型 | 第27-28页 |
| 2.4 研究结果与分析 | 第28-30页 |
| 2.5 研究结论 | 第30-32页 |
| 第三章 基于机器学习的蛋白相互作用可靶性预测 | 第32-41页 |
| 3.1 引言 | 第32-33页 |
| 3.2 实验数据与方法 | 第33-39页 |
| 3.2.1 数据 | 第33-34页 |
| 3.2.2 方法 | 第34-38页 |
| 3.2.3 预测模型 | 第38页 |
| 3.2.4 预测性能评价 | 第38-39页 |
| 3.3 研究结果与分析 | 第39-40页 |
| 3.4 研究结论 | 第40-41页 |
| 第四章 结论与展望 | 第41-43页 |
| 4.1 结论 | 第41-42页 |
| 4.2 展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第48-49页 |
| 作者在攻读硕士学位期间所参与的项目 | 第49-50页 |
| 致谢 | 第50页 |