| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-12页 |
| ·引言 | 第7页 |
| ·研究背景 | 第7-9页 |
| ·二级结构预测 | 第7-8页 |
| ·四级结构分类 | 第8-9页 |
| ·G蛋白偶联受体分类 | 第9页 |
| ·蛋白质序列分析的国内外研究进展 | 第9-11页 |
| ·论文的工作内容及创新点 | 第11-12页 |
| 2 蛋白质序列的特征提取和分类算法 | 第12-21页 |
| ·引言 | 第12页 |
| ·序列特征提取算法 | 第12-16页 |
| ·基于氨基酸序列的特征提取算法 | 第12-13页 |
| ·基于氨基酸物化指标的特征提取算法 | 第13-14页 |
| ·基于数据库信息挖掘的特征提取算法 | 第14-15页 |
| ·其它序列特征提取方法 | 第15-16页 |
| ·序列特征提取方法中存在的问题 | 第16页 |
| ·蛋白质分类算法 | 第16-19页 |
| ·距离判别 | 第17-18页 |
| ·机器学习 | 第18-19页 |
| ·模型的检验与评估 | 第19-20页 |
| ·模型的检验 | 第19页 |
| ·模型的评估 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3蛋白质序列的图像表达及图像纹理分析方法研究 | 第21-30页 |
| ·蛋白质字符序列的数字编码模型 | 第21-22页 |
| ·蛋白质序列的图像表达 | 第22-25页 |
| ·序列的时空演化 | 第22-23页 |
| ·图像的压缩与生成 | 第23-24页 |
| ·模型特点 | 第24-25页 |
| ·图像特征参数 | 第25-29页 |
| ·基于图像灰度直方图的特征提取 | 第25页 |
| ·基于图像灰度差值直方图的特征提取 | 第25-26页 |
| ·基于图像灰度共生矩阵的特征提取 | 第26-28页 |
| ·基于图像矩函数的特征提取 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 4 基于元胞自动机图纹理特征的蛋白质二级结构预测 | 第30-34页 |
| ·蛋白质二级结构类型 | 第30-31页 |
| ·蛋白质二级结构预测方法 | 第31页 |
| ·基于 CA图的蛋白质二级结构预测方法与结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 5 基于伪氨基酸成分和功能域成分的蛋白质四级结构预测 | 第34-48页 |
| ·最近邻居算法 | 第35-36页 |
| ·蛋白质同源四级结构分类 | 第36-43页 |
| ·蛋白质同源四级结构数据集 | 第36页 |
| ·蛋白质序列的数值表达法 | 第36-39页 |
| ·分类方法与结果 | 第39-43页 |
| ·蛋白质四级结构超家族分类 | 第43-47页 |
| ·蛋白质四级结构超家族数据集的构建 | 第44页 |
| ·蛋白质序列的数值表达法 | 第44-45页 |
| ·分类方法与结果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 6 基于伪氨基酸成分和功能域成分的G蛋白偶联受体预测 | 第48-60页 |
| ·引言 | 第48-50页 |
| ·GPCR数据集构建 | 第50-51页 |
| ·基于元胞自动机图纹理特征的GPCR预测 | 第51-53页 |
| ·基于功能域成分的GPCR预测 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 7 结论与展望 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·进一步工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间参加的项目和所发表的论文 | 第68页 |