| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·生物信息学简介 | 第10-12页 |
| ·基于机器学习的生物信息学 | 第12-13页 |
| ·预备知识 | 第13-17页 |
| ·本文的主要内容 | 第17-19页 |
| 2 蛋白质结构类的预测 | 第19-37页 |
| ·研究背景 | 第19-20页 |
| ·基于复杂性距离度量的蛋白质结构类预测 | 第20-27页 |
| ·数据集 | 第20-21页 |
| ·符号序列的LZ复杂度及距离度量 | 第21-22页 |
| ·k-近邻算法 | 第22-23页 |
| ·算法性能评估 | 第23页 |
| ·结果与讨论 | 第23-27页 |
| ·基于PSI-BLAST profile的蛋白质结构类预测 | 第27-35页 |
| ·数据集 | 第27页 |
| ·PSI-BLAST profile | 第27-28页 |
| ·蛋白质序列表示模型 | 第28-30页 |
| ·支持向量机 | 第30-33页 |
| ·结果与讨论 | 第33-35页 |
| ·本章小结 | 第35-37页 |
| 3 凋亡蛋白亚细胞定位的预测 | 第37-43页 |
| ·研究背景 | 第37-38页 |
| ·材料与方法 | 第38-39页 |
| ·数据集 | 第38页 |
| ·自协方差变换及特征提取 | 第38-39页 |
| ·结果与讨论 | 第39-42页 |
| ·参数G的影响 | 第40页 |
| ·PSSM-AC模型的预测性能 | 第40-41页 |
| ·PSSM-AC模型与已有方法的比较 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 4 拟南芥转录因子结合位点的识别 | 第43-55页 |
| ·研究背景 | 第43-45页 |
| ·材料与方法 | 第45-48页 |
| ·拟南芥基因共表达数据 | 第45页 |
| ·拟南芥基因共表达网络的构建 | 第45页 |
| ·共表达网络的聚类 | 第45-46页 |
| ·转录因子结合位点的预测 | 第46-48页 |
| ·结果与讨论 | 第48-51页 |
| ·拟南芥基因共表达网络的构建及图聚类 | 第48-49页 |
| ·基于四种算法的模体发现 | 第49-50页 |
| ·与已知转录因子结合位点的比较 | 第50-51页 |
| ·E2Fa结合位点的验证分析 | 第51页 |
| ·本章小结 | 第51-55页 |
| 5 拟南芥基因调控关系的预测 | 第55-61页 |
| ·研究背景 | 第55-56页 |
| ·材料与方法 | 第56-58页 |
| ·实验数据来源 | 第56页 |
| ·基因表达谱数据的预处理 | 第56页 |
| ·基因对的向量表示 | 第56页 |
| ·阳集训练样本的构建 | 第56-57页 |
| ·阴集训练样本的构建 | 第57-58页 |
| ·结果与讨论 | 第58-60页 |
| ·我们方法的预测性能 | 第58-59页 |
| ·基因对的共表达相关系数 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-71页 |
| 攻读博士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-74页 |
| 作者简介 | 第74-76页 |