| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·基因表达调控原理 | 第8-12页 |
| ·基因表达 | 第8-9页 |
| ·基因调控 | 第9-12页 |
| ·调控元件预测 | 第12-15页 |
| ·预测调控元件的数据 | 第12-13页 |
| ·预测调控元件的算法 | 第13-15页 |
| ·机器学习 | 第15-16页 |
| ·课题研究内容 | 第16-18页 |
| 第二章 蛋白-核酸复合物的研究与数据处理 | 第18-42页 |
| ·蛋白-核酸复合物的空间结构 | 第18-24页 |
| ·脱氧核糖核酸（DNA）的空间结构 | 第18-20页 |
| ·蛋白质的空间结构 | 第20-22页 |
| ·蛋白与核酸结合 | 第22-24页 |
| ·蛋白-核酸复合物中作用力的计算 | 第24-28页 |
| ·蛋白-核酸复合物的数据来源 | 第24-26页 |
| ·计算蛋白-核酸复合物中作用力的软件 | 第26-28页 |
| ·实验所用数据集 | 第28-31页 |
| ·蛋白-核酸复合物的分类 | 第28-30页 |
| ·实验所用的数据集 | 第30-31页 |
| ·氨基酸-碱基作用对统计分析 | 第31-36页 |
| ·蛋白-核酸复合物中的作用对 | 第31-32页 |
| ·蛋白-核酸复合物中的局部环境信息统计与分析 | 第32-36页 |
| ·样本预处理 | 第36-42页 |
| 第三章 用神经网络预测结合残基 | 第42-53页 |
| ·方法概述 | 第42-44页 |
| ·MATLAB 神经网络工具箱 | 第44-45页 |
| ·MATLAB 神经网络工具箱简介 | 第44页 |
| ·用MATLAB 中的神经网络工具箱进行BP 网络设计的基本步骤 | 第44-45页 |
| ·BP 网络预测结合残基 | 第45-53页 |
| ·BP 网络设计与训练 | 第45-47页 |
| ·BP 算法的分析与改进 | 第47-50页 |
| ·神经网络的性能指标 | 第50-51页 |
| ·结果分析与讨论 | 第51-52页 |
| ·用神经网络预测结合碱基 | 第52-53页 |
| 第四章 用支持向量机预测结合碱基 | 第53-63页 |
| ·支持向量机 | 第53-56页 |
| ·支持向量机的基本思想 | 第53-54页 |
| ·支持向量机的基本算法 | 第54-56页 |
| ·统计分析以及特征序列的提取 | 第56-58页 |
| ·数据集与样本与处理 | 第56页 |
| ·特征向量的统计分析 | 第56-58页 |
| ·预测评价方法 | 第58页 |
| ·结果与讨论 | 第58-63页 |
| ·支持向量机的软件 | 第58-59页 |
| ·支持向量机参数的选取 | 第59页 |
| ·窗宽对分类结果的影响 | 第59-61页 |
| ·两种方法预测结合碱基的比较 | 第61页 |
| ·用支持向量机预测结合残基 | 第61-62页 |
| ·分析和讨论 | 第62-63页 |
| 第五章 总结和展望 | 第63-65页 |
| ·论文总结 | 第63-64页 |
| ·工作展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |