| 摘要 | 第1-8页 |
| ABSTRACT | 第8-11页 |
| 目录 | 第11-14页 |
| 插图目录 | 第14-16页 |
| 表格目录 | 第16-17页 |
| 第一章 绪论 | 第17-38页 |
| ·生物信息学的发展及相关概念 | 第17-22页 |
| ·生物信息学概述 | 第17-20页 |
| ·国内生物信息学发展 | 第20-22页 |
| ·蛋白质结构预测简介 | 第22-28页 |
| ·蛋白质结构预测概述 | 第22-23页 |
| ·蛋白质结构分类 | 第23-25页 |
| ·蛋白质结构预测方法介绍 | 第25-28页 |
| ·机器学习算法在生物信息学中的运用 | 第28-35页 |
| ·人工神经网络(ANN)技术在生物信息学中的应用 | 第28-32页 |
| ·遗传算法在生物信息学中的应用 | 第32-34页 |
| ·支持向量机在生物信息学中的应用 | 第34-35页 |
| ·本文的研究内容与创新点 | 第35-38页 |
| 第二章 蛋白质的接触图谱及SVM方法简介 | 第38-49页 |
| ·蛋白质的接触图谱(Contact Map，CM)简介 | 第38-45页 |
| ·短程、中程以及远程相互作用的定义 | 第40-43页 |
| ·蛋白质接触图谱的定义 | 第43-45页 |
| ·支持向量机(Support Vector Machine，SVM)概述 | 第45-49页 |
| 第三章 基于SVM的蛋白质残基温度因子的预测 | 第49-61页 |
| ·蛋白质温度因子介绍 | 第49-51页 |
| ·数据集及一些测度的定义 | 第51-53页 |
| ·蛋白质的训练和测试序列 | 第51-52页 |
| ·预测器性能的评价指标 | 第52-53页 |
| ·基于Bounded SVM的蛋白质残基温度因子的预测方法 | 第53-54页 |
| ·实验结果及讨论 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于支持向量机的残基间接触聚类中心的分析和预测 | 第61-89页 |
| ·蛋白质残基温度因子的分析 | 第61-63页 |
| ·基于氨基酸残基进化保守性的蛋白质特征提取及相关定义 | 第63-71页 |
| ·蛋白质序列谱 | 第64-65页 |
| ·序列信息熵 | 第65-66页 |
| ·残基进化速率 | 第66-69页 |
| ·数据的归范化 | 第69页 |
| ·接触图谱定义 | 第69-70页 |
| ·预测器性能的评价指标 | 第70-71页 |
| ·实验结果 | 第71-87页 |
| ·SVM1预测器 | 第73-75页 |
| ·SVM2预测器 | 第75-84页 |
| ·输出融合后的性能计算 | 第84-86页 |
| ·讨论 | 第86-87页 |
| ·本章小结及展望 | 第87-89页 |
| 第五章 残基对的序列谱中心分析及残基间的远程相互作用的预测 | 第89-111页 |
| ·引言 | 第89-91页 |
| ·基于序列谱中心分析的蛋白质特征提取 | 第91-94页 |
| ·蛋白质的序列谱 | 第92页 |
| ·蛋白质的Multi-Class Contact定义 | 第92-93页 |
| ·序列谱中心分析 | 第93-94页 |
| ·基于遗传算法和柱状图编码的分类器(GaMC) | 第94-99页 |
| ·染色体编码 | 第94-96页 |
| ·适应度函数的定义 | 第96-99页 |
| ·GA参数的选择 | 第99页 |
| ·实验结果 | 第99-109页 |
| ·预测器的分类定义 | 第99-101页 |
| ·数据分析 | 第101-103页 |
| ·一般距离分类器的精确度分析 | 第103页 |
| ·GA分类器的精确度分析 | 第103-105页 |
| ·蛋白质的远程残基接触对数量与预测器预测性能的关系分析 | 第105页 |
| ·测试集蛋白链的预测性能 | 第105-107页 |
| ·序列谱中心的分析 | 第107-109页 |
| ·本章小结 | 第109-111页 |
| 总结和展望 | 第111-114页 |
| 一、本文的主要研究工作与创新点 | 第111-112页 |
| 二、进一步的工作展望 | 第112-114页 |
| 参考文献 | 第114-122页 |
| 致谢 | 第122-123页 |
| 附录 科研成果清单 | 第123-125页 |
| 一、发表和已录用的杂志论文 | 第123-124页 |
| 二、发表和已录用的会议论文 | 第124-125页 |
| 三、参加的科研项目 | 第125页 |
