基于支持向量机的蛋白质功能预测新方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-31页 |
| ·引言 | 第11-12页 |
| ·蛋白质的功能 | 第12-14页 |
| ·基于机器学习的蛋白质功能预测 | 第14-21页 |
| ·蛋白质序列的特征表达 | 第14-18页 |
| ·功能预测中常用的机器学习算法 | 第18-21页 |
| ·本文主要研究内容 | 第21-23页 |
| 参考文献 | 第23-31页 |
| 第2章 线粒体和叶绿体亚结构的预测分析 | 第31-47页 |
| ·引言 | 第31-32页 |
| ·实验材料与方法 | 第32-35页 |
| ·数据集 | 第32-33页 |
| ·蛋白表达 | 第33-34页 |
| ·预测算法 | 第34页 |
| ·评价体系 | 第34-35页 |
| ·实验结果与讨论 | 第35-40页 |
| ·小波函数的选择 | 第35-36页 |
| ·分解尺度的选择 | 第36-37页 |
| ·物理化学属性的比较 | 第37-38页 |
| ·预测结果 | 第38页 |
| ·与其它预测方法的比较 | 第38-39页 |
| ·独立测试结果 | 第39-40页 |
| ·结论 | 第40-41页 |
| 参考文献 | 第41-47页 |
| 第3章 蛋白质甲基化修饰位点的预测分析 | 第47-63页 |
| ·引言 | 第47-48页 |
| ·实验材料与方法 | 第48-52页 |
| ·数据集 | 第48-49页 |
| ·扩张的特征编码策略 | 第49-51页 |
| ·预测算法 | 第51页 |
| ·评价体系 | 第51-52页 |
| ·实验结果与讨论 | 第52-59页 |
| ·不同特征的影响 | 第52-55页 |
| ·窗口长度的影响 | 第55-56页 |
| ·正负样本比例的影响 | 第56-57页 |
| ·预测模型PMeS的稳定性 | 第57-58页 |
| ·独立测试预测结果 | 第58页 |
| ·与其它方法的比较 | 第58-59页 |
| ·结论 | 第59页 |
| 参考文献 | 第59-63页 |
| 第4章 赖氨酸甲基化和乙酰化的同时预测分析 | 第63-79页 |
| ·引言 | 第63-64页 |
| ·实验材料与方法 | 第64-68页 |
| ·数据集 | 第64-66页 |
| ·特征提取 | 第66-68页 |
| ·预测算法与评价体系 | 第68页 |
| ·实验结果与讨论 | 第68-75页 |
| ·不同特征的影响 | 第68-72页 |
| ·预测结果 | 第72-73页 |
| ·独立测试及与其它方法比较 | 第73-74页 |
| ·预测网站 | 第74-75页 |
| ·结论 | 第75页 |
| 参考文献 | 第75-79页 |
| 第5章 酪氨酸硝基化的预测分析 | 第79-92页 |
| ·引言 | 第79-80页 |
| ·实验材料与方法 | 第80-82页 |
| ·数据集 | 第80页 |
| ·信息熵 | 第80-81页 |
| ·特征提取 | 第81页 |
| ·预测算法与评价体系 | 第81-82页 |
| ·实验结果与讨论 | 第82-88页 |
| ·信息熵选择重要位置 | 第82-83页 |
| ·电荷性分析 | 第83-84页 |
| ·二级结构分析 | 第84-85页 |
| ·无序性分析 | 第85-86页 |
| ·不同窗口的影响 | 第86-88页 |
| ·基于信息熵窗口考察特征 | 第88页 |
| ·结论 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 第6章 结论与展望 | 第92-95页 |
| ·主要结论 | 第92-94页 |
| ·后续工作的展望 | 第94-95页 |
| 致谢 | 第95-96页 |
| 附录 | 第96-120页 |
| 攻读博士学位期间的研究成果 | 第120-121页 |
