生物信息学方法研究蛋白质相互作用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景 | 第8-10页 |
| ·人类基因组计划和后基因组时代 | 第8-9页 |
| ·后基因组概念的提出和功能基因组学 | 第9页 |
| ·生物分子的相互作用 | 第9-10页 |
| ·生物信息学 | 第10页 |
| ·课题内容和意义 | 第10-11页 |
| ·本论文章节安排 | 第11-13页 |
| 第2章 计算方法在蛋白质相互作用研究中的现状 | 第13-22页 |
| ·蛋白质相互作用数据库 | 第14-16页 |
| ·文献的数据挖掘 | 第16-17页 |
| ·蛋白质相互作用的验证 | 第17-18页 |
| ·基于蛋白质相互作用预测蛋白质的功能 | 第18-19页 |
| ·蛋白质相互作用的预测 | 第19-21页 |
| 本章小结 | 第21-22页 |
| 第3章 机器学习方法及支撑向量机的基本原理 | 第22-32页 |
| ·机器学习方法 | 第22-25页 |
| ·机器学习概述 | 第22页 |
| ·机器学习方法在生物信息学中的应用 | 第22-25页 |
| ·支撑向量机理论概述 | 第25-29页 |
| ·最优分类面 | 第26-27页 |
| ·广义最优分类面 | 第27-28页 |
| ·支撑向量机 | 第28-29页 |
| ·SVM 算法的实现技术 | 第29-31页 |
| 本章小结 | 第31-32页 |
| 第4章 基于支撑向量机算法预测蛋白质相互作用 | 第32-49页 |
| ·引言 | 第32-33页 |
| ·材料与方法 | 第33-39页 |
| ·数据集的构建 | 第33-36页 |
| ·SVM 和特征向量的构建 | 第36-39页 |
| Total | 第39-41页 |
| ·结果 | 第41-46页 |
| ·训练集和测试集的选择 | 第41-44页 |
| ·氨基酸的物理化学特性评价及 SVM 的优化 | 第44-46页 |
| ·Web 服务开发 | 第46页 |
| 本章小结 | 第46-49页 |
| 第5章 总结 | 第49-51页 |
| 参考文献 | 第51-62页 |
| 附录 | 第62-70页 |
| 个人简介及研究成果 | 第70-71页 |
| 致谢 | 第71页 |
