外膜蛋白序列和结构辨识相关问题研究
| 摘要 | 第1-14页 |
| ABSTRACT | 第14-17页 |
| 第一章 绪论 | 第17-33页 |
| ·引言 | 第17-19页 |
| ·研究背景 | 第19-27页 |
| ·外膜蛋白数据库的建立和完善 | 第20-21页 |
| ·外膜蛋白序列辨识的相关研究 | 第21-23页 |
| ·外膜蛋白结构预测的相关研究 | 第23-25页 |
| ·外膜蛋白折叠过程的相关研究 | 第25-26页 |
| ·外膜蛋白表达调控的相关研究 | 第26-27页 |
| ·论文的研究内容与创新点 | 第27-30页 |
| ·主要研究内容 | 第27-29页 |
| ·主要创新性工作 | 第29-30页 |
| ·论文的结构 | 第30-33页 |
| 第二章 外膜蛋白生物学基础及统计学分析 | 第33-67页 |
| ·引言 | 第33页 |
| ·外膜蛋白质简介 | 第33-45页 |
| ·氨基酸与蛋白质 | 第33-36页 |
| ·蛋白质结构 | 第36-38页 |
| ·生物膜与膜蛋白 | 第38-40页 |
| ·外膜与外膜蛋白质 | 第40-45页 |
| ·外膜蛋白质序列分析 | 第45-52页 |
| ·序列数据集及相似度聚类 | 第45-47页 |
| ·序列特征分析 | 第47-52页 |
| ·外膜蛋白质结构分析 | 第52-66页 |
| ·结构数据集 | 第52-54页 |
| ·结构描述 | 第54-56页 |
| ·β-桶角度模型 | 第56-61页 |
| ·氨基酸残基在β-桶不同区域的统计特性 | 第61-66页 |
| ·小结 | 第66-67页 |
| 第三章 基于分散量理论辨识外膜蛋白序列 | 第67-83页 |
| ·概述 | 第67页 |
| ·分散量理论 | 第67-68页 |
| ·数据与方法 | 第68-75页 |
| ·数据集 | 第68-69页 |
| ·最小分散增量预测方法 | 第69-72页 |
| ·多分散量辨识结果投票预测方法 | 第72-73页 |
| ·数据标准化方法 | 第73-74页 |
| ·预测性能评价标准 | 第74-75页 |
| ·实验结果与讨论 | 第75-82页 |
| ·四种分散量的预测结果 | 第75-79页 |
| ·无加权投票预测结果 | 第79-80页 |
| ·加权投票预测结果 | 第80页 |
| ·和其它方法比较 | 第80-81页 |
| ·两类问题向多类问题的推广 | 第81-82页 |
| ·小结 | 第82-83页 |
| 第四章 基于SVM的外膜蛋白基因组内挖掘 | 第83-125页 |
| ·概述 | 第83页 |
| ·支持向量机理论 | 第83-89页 |
| ·最优分类面 | 第83-85页 |
| ·广义最优分类面 | 第85-86页 |
| ·核函数 | 第86-88页 |
| ·参数选择方法 | 第88-89页 |
| ·蛋白质序列联合特征编码 | 第89-92页 |
| ·实验结果和讨论 | 第92-101页 |
| ·数据集 | 第92页 |
| ·性能评价标准 | 第92-93页 |
| ·基于网格搜索的参数选择 | 第93-94页 |
| ·数据集上预测结果和讨论 | 第94-98页 |
| ·基因组内挖掘结果和讨论 | 第98-100页 |
| ·相关系数权值和阶次对预测性能的影响 | 第100-101页 |
| ·联合特征编码方法的改进:特征选择 | 第101-111页 |
| ·特征选择概述 | 第101-102页 |
| ·特征选择准则 | 第102-104页 |
| ·特征子集选择 | 第104页 |
| ·蛋白质序列特征选择方法 | 第104-108页 |
| ·特征选择对预测性能的影响 | 第108-111页 |
| ·分类算法的改进:模糊支持向量机 | 第111-123页 |
| ·现有的多类支持向量机算法 | 第111-114页 |
| ·模糊支持向量机 | 第114-115页 |
| ·双向模糊多类支持向量机 | 第115-120页 |
| ·实验结果和讨论 | 第120-123页 |
| ·小结 | 第123-125页 |
| 第五章 联合预测外膜蛋白信号肽和拓扑结构 | 第125-157页 |
| ·概述 | 第125-126页 |
| ·HMM的基本理论 | 第126-134页 |
| ·HMM的定义 | 第126-128页 |
| ·HMM的基本算法 | 第128-133页 |
| ·HMM的数值稳定性 | 第133-134页 |
| ·信号肽和拓扑结构联合预测模型 | 第134-146页 |
| ·结构单元统计分析 | 第134-136页 |
| ·HMM模型的构建 | 第136-139页 |
| ·模型的训练 | 第139-144页 |
| ·1-best解码算法 | 第144-145页 |
| ·预测性能评价标准 | 第145-146页 |
| ·实验结果和讨论 | 第146-150页 |
| ·拓扑结构预测结果 | 第146-148页 |
| ·信号肽预测结果 | 第148页 |
| ·和其它方法的比较 | 第148-150页 |
| ·跨膜蛋白亚细胞定位预测 | 第150-156页 |
| ·数据与方法 | 第151-154页 |
| ·性能评价标准 | 第154页 |
| ·预测结果和讨论 | 第154-156页 |
| ·小结 | 第156-157页 |
| 第六章 两级筛选法预测调控外膜蛋白的小RNA | 第157-181页 |
| ·概述 | 第157-158页 |
| ·主成分分析原理 | 第158-159页 |
| ·BP神经网络理论 | 第159-163页 |
| ·典型BP神经网络的特点和构造 | 第159页 |
| ·典型BP网络的学习算法 | 第159-162页 |
| ·Levenberg-Marquardt学习算法 | 第162-163页 |
| ·基于PCA-NN的sRNA预测模型 | 第163-169页 |
| ·数据集和特征提取 | 第164-165页 |
| ·主成分分析结果 | 第165-166页 |
| ·神经网络设计和训练 | 第166-167页 |
| ·实验结果和讨论 | 第167-169页 |
| ·两级筛选法预测调控外膜蛋白的sRNA | 第169-177页 |
| ·初级筛选方法和结果 | 第170-175页 |
| ·次级筛选方法和结果 | 第175-177页 |
| ·潜在的sRNA-OMP调控网络 | 第177-179页 |
| ·小结 | 第179-181页 |
| 第七章 结束语 | 第181-185页 |
| ·总结 | 第181-182页 |
| ·未来工作展望 | 第182-185页 |
| 致谢 | 第185-187页 |
| 参考文献表 | 第187-201页 |
| 作者在学期间取得的学术成果 | 第201-202页 |
