| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.2.1 数据集 | 第11-12页 |
| 1.2.2 研究方法 | 第12-15页 |
| 1.2.2.1 伪氨基酸组分(SubChlo) | 第12-13页 |
| 1.2.2.2 物理化学性质(ChloroRF) | 第13-14页 |
| 1.2.2.3 小波分析(DWT,SubIdent) | 第14-15页 |
| 1.2.2.4 Bit-Score Weighted K-NearestNeighbor Method(BS-KNN) | 第15页 |
| 1.3 叶绿体简述 | 第15-17页 |
| 1.3.1 基质 | 第16页 |
| 1.3.2 类囊体腔 | 第16-17页 |
| 1.3.3 类囊体膜 | 第17页 |
| 1.3.4 被膜 | 第17页 |
| 1.4 论文研究内容及安排 | 第17-19页 |
| 第二章 特征提取及理论预测模型 | 第19-32页 |
| 2.1 引言 | 第19页 |
| 2.2 特征提取 | 第19-26页 |
| 2.2.1 氨基酸组分信息(Amino acid composition) | 第19-20页 |
| 2.2.2 n肽组分信息(n-peptide composition,n-PC) | 第20-22页 |
| 2.2.2.1 特征筛选 | 第21-22页 |
| 2.2.3 Gene Ontology | 第22-23页 |
| 2.2.4 蛋白质保守位点的进化信息 | 第23-25页 |
| 2.2.5 化学位移关联信息 | 第25-26页 |
| 2.3 预测算法 | 第26-31页 |
| 2.3.1 支持向量机(SVM)算法 | 第26-28页 |
| 2.3.2 K紧邻(KNN)算法 | 第28-30页 |
| 2.3.3 融合算法 | 第30页 |
| 2.3.4 算法评价 | 第30-31页 |
| 2.4 小结 | 第31-32页 |
| 第三章 蛋白质亚叶绿体定位预测 | 第32-42页 |
| 3.1 引言 | 第32-33页 |
| 3.2 数据库 | 第33页 |
| 3.3 最优特征参数的选取 | 第33-38页 |
| 3.3.1 分段氨基酸组分(AAC) | 第33-34页 |
| 3.3.2 三肽信息的特征筛选 | 第34-35页 |
| 3.3.3 化学位移关联信息 | 第35-36页 |
| 3.3.4 保守位点的进化信息 | 第36-37页 |
| 3.3.5 Gene Ontology(GO) | 第37-38页 |
| 3.4 结果与讨论 | 第38-41页 |
| 3.4.1 不同信息参数对预测结果的影响 | 第38-39页 |
| 3.4.2 交叉检验和独立检验 | 第39-40页 |
| 3.4.3 与先前预测方法的比较 | 第40页 |
| 3.4.4 预测错误的蛋白 | 第40-41页 |
| 3.5 小结 | 第41-42页 |
| 第四章 拟南芥蛋白质的亚叶绿体定位预测 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 数据集 | 第42-43页 |
| 4.3 特征参数的选取 | 第43-46页 |
| 4.3.1 GO信息参数 | 第43-44页 |
| 4.3.2 保守位点的进化信息 | 第44-46页 |
| 4.4 SVM-KNN算法的实现 | 第46-48页 |
| 4.4.1 预测流程 | 第47-48页 |
| 4.5 结果与讨论 | 第48-50页 |
| 4.5.1 分类器算法和参数的选取 | 第48-49页 |
| 4.5.2 不同算法的预测结果对比 | 第49-50页 |
| 4.5.3 对数据集的预测结果 | 第50页 |
| 4.6 小结 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-62页 |
| 附录 S1 A.thaliana_chlo数据集蛋白质在swiss-prot库中的索引号 | 第62-64页 |
| 致谢 | 第64-65页 |
| 作者攻读硕士学位期间发表和完成的论文目录 | 第65页 |
