| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究的背景和意义 | 第8-9页 |
| ·研究现状 | 第9-14页 |
| ·蛋白相互作用研究 | 第9-11页 |
| ·蛋白质活性位点研究 | 第11-14页 |
| ·研究内容与创新点 | 第14-15页 |
| ·本文组织结构 | 第15-16页 |
| 第二章 背景知识介绍 | 第16-28页 |
| ·蛋白质相互作用 | 第16-19页 |
| ·基于生物实验检测蛋白质相互作用 | 第16-18页 |
| ·蛋白质相互作用数据库 | 第18-19页 |
| ·蛋白质活性位点 | 第19-20页 |
| ·数据挖掘及机器学习 | 第20-25页 |
| ·随机森林 | 第21-22页 |
| ·支持向量机 | 第22-25页 |
| ·模型评测方法 | 第25-28页 |
| ·交叉验证 | 第25-26页 |
| ·接受者操作特性曲线 | 第26-28页 |
| 第三章 基于压缩采样算法的蛋白质相互作用预测 | 第28-45页 |
| ·背景及动机 | 第28-31页 |
| ·基准数据集及其预处理 | 第31-33页 |
| ·数据集准备 | 第31-32页 |
| ·序列特征抽取 | 第32-33页 |
| ·压缩采样方法 | 第33-37页 |
| ·结果分析及讨论 | 第37-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 基于Bi‐profile 采样的蛋白活性位点严格评测 | 第45-58页 |
| ·背景及动机 | 第45-47页 |
| ·基准数据集及其预处理 | 第47-48页 |
| ·序列特征抽取 | 第47-48页 |
| ·获取推导特征 | 第48页 |
| ·Bi‐profile 采样方法 | 第48-50页 |
| ·结果分析与讨论 | 第50-57页 |
| ·分析活性位点特异性的决定因素 | 第50-52页 |
| ·通过进化信息来预测活性位点 | 第52-53页 |
| ·通过融合推导特征来提高预测性能 | 第53-56页 |
| ·与其他方法的比较 | 第56页 |
| ·讨论 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 独立算法包及数据集的提供 | 第58-61页 |
| ·动机及目的 | 第58页 |
| ·独立算法包及在线网站 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 附录A 缩写对照表 | 第63-64页 |
| 参考文献 | 第64-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间已发表或录用的论文 | 第74-76页 |