半监督学习下的药物靶蛋白质预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景、目的及意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.3 论文主要研究工作 | 第21-23页 |
| 第2章 半监督学习的概述 | 第23-37页 |
| 2.1 半监督学习的假设 | 第23-26页 |
| 2.1.1 聚类假设 | 第25页 |
| 2.1.2 平滑假设 | 第25页 |
| 2.1.3 流形假设 | 第25-26页 |
| 2.2 图的构造 | 第26-27页 |
| 2.3 图上的标签传播 | 第27-33页 |
| 2.3.1 最小切割的方法 | 第28页 |
| 2.3.2 马尔科夫随机游走 | 第28-30页 |
| 2.3.3 图的正则化 | 第30-32页 |
| 2.3.4 基于图的半监督学习方法的特性 | 第32-33页 |
| 2.4 其他半监督学习的方法 | 第33-36页 |
| 2.4.1 协同训练 | 第33-34页 |
| 2.4.2 产生式模型 | 第34-35页 |
| 2.4.3 半监督的支持向量机 | 第35-36页 |
| 2.5 小结 | 第36-37页 |
| 第3章 基于标签扩充的药物-靶标相互作用预测 | 第37-52页 |
| 3.1 药物、靶标空间以及预测问题描述 | 第37-39页 |
| 3.1.1 药物、靶标空间 | 第37-38页 |
| 3.1.2 预测问题描述 | 第38-39页 |
| 3.2 LapRLS和FLapRLS方法分析 | 第39-42页 |
| 3.3 基于标签扩充的预测方法 | 第42-46页 |
| 3.3.1 靶标预测视角 | 第42-45页 |
| 3.3.2 药物预测视角 | 第45-46页 |
| 3.4 药物相似性的重新度量 | 第46-48页 |
| 3.5 实验与结果分析 | 第48-51页 |
| 3.6 小结 | 第51-52页 |
| 第4章 基于多标签学习的药物-靶标相互作用预测 | 第52-60页 |
| 4.1 数据集的构建 | 第52-53页 |
| 4.2 基于半监督学习的特征提取 | 第53-55页 |
| 4.2.1 药物的特征提取 | 第53-54页 |
| 4.2.2 靶标的特征提取 | 第54-55页 |
| 4.3 基于特征向量的多标签学习方法 | 第55-58页 |
| 4.3.1 新药物-老靶标相互作用的预测方法 | 第55-58页 |
| 4.3.2 老药物-新靶标相互作用的预测方法 | 第58页 |
| 4.4 实验与结果分析 | 第58-59页 |
| 4.5 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 A 读研期间发表学术论文和参与科研项目 | 第66-67页 |
| 致谢 | 第67页 |
