| 0 前言 | 第1-11页 |
| 1 绪论 | 第11-21页 |
| ·蛋白质分子的组成和结构分类 | 第11-16页 |
| ·蛋白质结构预测的理论基础、方法及模型 | 第16-19页 |
| ·蛋白质结构预测的理论基础 | 第16-17页 |
| ·蛋白质结构预测的方法 | 第17页 |
| ·蛋白质结构预测的模型 | 第17-19页 |
| ·蛋白质二级结构预测的意义 | 第19页 |
| ·本文的主要工作 | 第19-21页 |
| 2 蛋白质二级结构预测方法的研究进展 | 第21-30页 |
| ·蛋白质二级结构预测的发展过程 | 第21页 |
| ·若干常用的二级结构预测方法介绍 | 第21-26页 |
| ·基于统计的预测方法 | 第21-25页 |
| ·基于知识的预测方法 | 第25-26页 |
| ·混合预测方法 | 第26页 |
| ·蛋白质结构研究中主要用到的数据库介绍 | 第26-30页 |
| ·蛋白质结构数据库PDB | 第26-27页 |
| ·蛋白质结构分类数据库SCOP和CATH | 第27-28页 |
| ·蛋白质结构二次数据库DSSP、FSSP和HSSP | 第28-30页 |
| 3 蛋白质二级结构预测方法的评价 | 第30-39页 |
| ·选择评价的10种方法和选用的测试数据 | 第30-32页 |
| ·预测方法的评价 | 第32-36页 |
| ·评价时各种方法参数的选择 | 第32页 |
| ·评价指标 | 第32-33页 |
| ·只提交一级序列的预测方法评价 | 第33-34页 |
| ·输入二级结构含量或者结构类信息时GOR Ⅰ和NNPREDICT的预测结果及其评价 | 第34-35页 |
| ·10种方法对150条序列的预测准确率的最高值与最低值比较 | 第35-36页 |
| ·分析与讨论 | 第36-38页 |
| ·结论 | 第38-39页 |
| 4 蛋白质二级结构预测的神经网络方法 | 第39-48页 |
| ·蛋白质二级结构预测的问题描述 | 第39-40页 |
| ·蛋白质二级结构预测的神经网络方法 | 第40-48页 |
| ·人工神经网络模型 | 第40-43页 |
| ·序列编码 | 第43页 |
| ·几种主要的蛋白质二级结构预测的神经网络方法 | 第43-46页 |
| ·神经网络方法的应用研究 | 第46-48页 |
| 5 蛋白质二级结构预测的支持向量机方法 | 第48-57页 |
| ·支持向量与支持向量机 | 第48-50页 |
| ·支持向量机在蛋白质二级结构预测中的应用 | 第50-52页 |
| ·一种新的支持向量机增量学习算法及其在蛋白质二级结构预测中的应用 | 第52-57页 |
| 6 一种改进的信息熵度量方法--FDOD方法在蛋白质二级结构预测中的应用 | 第57-65页 |
| ·完全信息集和FDOD函数 | 第57-59页 |
| ·蛋白质二级结构预测中FDOD方法的应用 | 第59-60页 |
| ·数据及结果 | 第60-62页 |
| ·分析与讨论 | 第62-65页 |
| ·子序列长度对结果的影响 | 第62页 |
| ·与其它方法结果的比较 | 第62-63页 |
| ·FDOD方法的优点分析 | 第63-64页 |
| ·预测结果进一步提高和改进的方向 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 附录一 蛋白质二级结构预测方法评价时选取的数据集A(同源性小于20％) | 第70-71页 |
| 附录二 蛋白质二级结构预测方法评价时选取的数据集B(同源性小于30％) | 第71页 |
| 附录三 CB396数据集的PDB代码 | 第71-73页 |
| 附录四 作者攻读硕士学位期间完成的学术论文 | 第73页 |
| 附录五 作者攻读硕士学位期间参加的科研项目 | 第73-74页 |
| 致谢 | 第74-76页 |
