| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 蛋白质翻译后修饰问题 | 第9-13页 |
| 1.2.1 蛋白质磷酸化翻译后修饰 | 第9-11页 |
| 1.2.2 蛋白质糖基化翻译后修饰 | 第11页 |
| 1.2.3 蛋白质泛素化翻译后修饰 | 第11-12页 |
| 1.2.4 国内外研究现状 | 第12-13页 |
| 1.3 本文工作 | 第13-14页 |
| 第二章 蛋白质序列特征提取方法 | 第14-17页 |
| 2.1 序列全局特征 | 第14-15页 |
| 2.1.1 氨基酸因子特征 | 第14-15页 |
| 2.1.2 氨基酸频率特征 | 第15页 |
| 2.2 局部序列特征——K-spaced氨基酸对构成 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 机器学习算法 | 第17-23页 |
| 3.1 决策树分类器概述 | 第17-18页 |
| 3.2 支持向量机概述 | 第18-20页 |
| 3.3 集成学习概述 | 第20-22页 |
| 3.3.1 Bagging和Boosting | 第20页 |
| 3.3.2 Adaboost | 第20-21页 |
| 3.3.3 基于欠采样和Adaboost的学习算法 | 第21-22页 |
| 3.4 本章小结 | 第22-23页 |
| 第四章 蛋白质泛素化位点预测模型建立 | 第23-26页 |
| 4.1 数据来源 | 第23页 |
| 4.2 特征空间 | 第23-24页 |
| 4.3 模型的建立过程 | 第24页 |
| 4.4 预测性能评价 | 第24-25页 |
| 4.5 本章小结 | 第25-26页 |
| 第五章 实验结果讨论与分析 | 第26-33页 |
| 5.1 蛋白质泛素化位点聚集倾向性研究 | 第26页 |
| 5.2 K‐spaced氨基酸对编码特征分析 | 第26-27页 |
| 5.3 酵母泛素化位点三种特征组合预测结果比较 | 第27-30页 |
| 5.4 人类泛素化位点三种特征组合预测结果比较 | 第30-31页 |
| 5.5 利用Adaboost集成算法对酵母泛素化数据预测结果分析 | 第31页 |
| 5.6 本章小结 | 第31-33页 |
| 第六章总结与展望 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 致谢 | 第36页 |
