| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 蛋白质的结构和功能 | 第13-14页 |
| 1.2.1 蛋白质的四级结构 | 第13-14页 |
| 1.2.2 蛋白质的功能 | 第14页 |
| 1.3 蛋白质数据库简介 | 第14-15页 |
| 1.4 智能计算方法 | 第15-16页 |
| 1.5 本文工作 | 第16-19页 |
| 1.5.1 本文的研究内容 | 第16-17页 |
| 1.5.2 本文的组织结构 | 第17-19页 |
| 第二章 智能计算方法 | 第19-32页 |
| 2.1 机器学习算法 | 第19-26页 |
| 2.1.1 分类算法 | 第19-24页 |
| 2.1.2 聚类算法 | 第24-25页 |
| 2.1.3 回归算法 | 第25-26页 |
| 2.2 集成学习算法 | 第26-29页 |
| 2.2.1 集成分类算法 | 第27-28页 |
| 2.2.2 集成回归算法 | 第28-29页 |
| 2.3 特征选择算法 | 第29-30页 |
| 2.4 群体智能优化算法 | 第30-32页 |
| 第三章 蛋白质残基溶剂可及性的预测 | 第32-54页 |
| 3.1 引言 | 第32-34页 |
| 3.2 实验方法 | 第34-41页 |
| 3.2.1 数据集 | 第34-35页 |
| 3.2.2 特征编码 | 第35-37页 |
| 3.2.3 回归模型 | 第37-38页 |
| 3.2.4 粒子群优化算法 | 第38-39页 |
| 3.2.5 评价标准 | 第39-41页 |
| 3.3 实验结果和讨论 | 第41-52页 |
| 3.3.1 相对溶剂可及性的定义 | 第41页 |
| 3.3.2 蛋白质残基的溶剂可及性与邻近残基的关系 | 第41-42页 |
| 3.3.3 特征分析和融合 | 第42页 |
| 3.3.4 回归算法比较 | 第42-43页 |
| 3.3.5 粒子群算法与网格搜索参数寻优 | 第43-45页 |
| 3.3.6 回归预测值与真实值分析比较 | 第45-47页 |
| 3.3.7 不同的回归预测方法比较 | 第47-49页 |
| 3.3.8 不同的分类预测方法比较 | 第49页 |
| 3.3.9 不同的预测工具在独立测试集上的实验对比 | 第49-50页 |
| 3.3.10 案例分析 | 第50-52页 |
| 3.4 结论 | 第52-54页 |
| 第四章 构象性B细胞表位预测 | 第54-77页 |
| 4.1 引言 | 第54-56页 |
| 4.2 实验方法 | 第56-63页 |
| 4.2.1 数据集 | 第56-57页 |
| 4.2.2 特征构建 | 第57-58页 |
| 4.2.3 Fisher-Markov Selector特征排序和增量特征选择 | 第58-59页 |
| 4.2.4 代价敏感性集成分类器 | 第59-60页 |
| 4.2.5 空间聚类算法 | 第60-62页 |
| 4.2.6 评价指标 | 第62-63页 |
| 4.3 实验方法和讨论 | 第63-75页 |
| 4.3.1 特征分析与窗口优化 | 第63-64页 |
| 4.3.2 增量特征选择和最优特征子集 | 第64-68页 |
| 4.3.3 分类器的比较 | 第68页 |
| 4.3.4 代价敏感集成分类器的预测效果及cost值的设定 | 第68-70页 |
| 4.3.5 集成分类器效果比较 | 第70-71页 |
| 4.3.6 表位预测方法比较 | 第71-72页 |
| 4.3.7 案例分析 | 第72-74页 |
| 4.3.8 空间表位聚类算法 | 第74-75页 |
| 4.4 结论 | 第75-77页 |
| 第五章 亚铁血红素绑定位点的分析预测 | 第77-104页 |
| 5.1 引言 | 第77-80页 |
| 5.2 实验方法 | 第80-87页 |
| 5.2.1 数据集 | 第80-82页 |
| 5.2.2 特征构建 | 第82-84页 |
| 5.2.3 快速自适应集成学习算法 | 第84-85页 |
| 5.2.4 评价标准 | 第85-87页 |
| 5.3 实验结果和讨论 | 第87-102页 |
| 5.3.1 亚铁血红素绑定残基特征化 | 第87-93页 |
| 5.3.2 十折交叉验证 | 第93页 |
| 5.3.3 基于配体特异性模型与传统模型对比 | 第93-95页 |
| 5.3.4 不同集成学习算法的对比 | 第95-97页 |
| 5.3.5 对比当前算法 | 第97-99页 |
| 5.3.6 案例分析 | 第99-100页 |
| 5.3.7 HEMEsPred服务器 | 第100-102页 |
| 5.4 结论 | 第102-104页 |
| 第六章 总结和展望 | 第104-107页 |
| 6.1 总结 | 第104-105页 |
| 6.2 展望 | 第105-107页 |
| 参考文献 | 第107-117页 |
| 致谢 | 第117-118页 |
| 在学期间公开发表论文及著作情况 | 第118页 |
