首页--生物科学论文--生物化学论文--蛋白质论文

基于氨基酸属性和机器学习的蛋白质相互作用位点预测研究

摘要第1-6页
Abstract第6-10页
第一章 绪论第10-15页
   ·研究背景第10-11页
     ·生物信息学第10页
     ·基因组学和蛋白质组学第10-11页
   ·蛋白质相互作用和相互作用位点第11-12页
   ·研究意义及本文主要工作第12-13页
   ·国内外研究现状第13-14页
   ·本文的内容安排第14-15页
第二章 支持向量机和模糊聚类第15-26页
   ·支持向量机第15-18页
     ·支持向量机的基本原理第15-16页
     ·线性分类第16-17页
     ·软间隔第17-18页
     ·非线性分类第18页
   ·Libsvm第18-20页
     ·Libsvm 简介第18-19页
     ·Libsvm 的基本操作方法第19-20页
   ·模糊聚类第20-24页
     ·聚类分析的概况第20-21页
     ·模糊聚类算法第21-24页
       ·聚类数已知的算法第21-24页
       ·聚类数未知的算法第24页
   ·本章小结第24-26页
第三章 数据集的构造第26-35页
   ·基本概念第26-27页
     ·蛋白质第26页
     ·氨基酸第26-27页
   ·蛋白质链的选择第27-29页
     ·PDB 数据库第27-28页
     ·蛋白质链的选择第28-29页
   ·蛋白质相互作用位点第29-34页
     ·蛋白质相互作用位点的定义第29页
     ·PSAIA第29-33页
       ·PSAIA 简介第29-30页
       ·PSAIA 结构分析器第30-33页
     ·蛋白质相互作用位点的计算第33-34页
   ·本章小结第34-35页
第四章 基于 SVM 的蛋白质相互作用位点预测第35-43页
   ·氨基酸特征提取第35-39页
     ·氨基酸属性简介第35页
     ·AAindex 数据库第35-36页
     ·利用一致模糊聚类算法提取氨基酸特征第36-39页
   ·蛋白质相互作用位点预测第39-41页
     ·滑动窗口第39页
     ·数据集的编码第39-40页
     ·利用支持向量机预测蛋白质相互作用位点第40-41页
   ·本章小结第41-43页
第五章 实验结果分析第43-56页
   ·预测性能的评价指标第43-44页
   ·固定窗口大小的预测结果分析第44-46页
     ·不同比例训练集和测试集的实验第44-45页
       ·训练集和测试集第44页
       ·采用不同比例训练集和测试集的实验第44-45页
     ·不同负数据集的实验第45-46页
   ·不同窗口大小的预测结果分析第46-47页
   ·采用未聚类氨基酸属性的实验结果分析第47-53页
   ·与其他方法的比较分析第53-54页
   ·本章小结第54-56页
第六章 蛋白质相互作用位点在线预测工具的实现第56-62页
   ·功能介绍第56-59页
   ·设计与实现第59-60页
     ·总体框架第59页
     ·系统实现第59-60页
       ·文件上传第59-60页
       ·后台处理第60页
       ·预测结果显示第60页
   ·本章小结第60-62页
结论第62-63页
参考文献第63-67页
攻读硕士学位期间取得的研究成果第67-68页
致谢第68-69页
答辩委员会对论文的评定意见第69页

论文共69页,点击 下载论文
上一篇:嗜盐四联球菌clpB,dnaK,hrcA基因在耐盐机制中的相互作用
下一篇:溶藻细菌L7对两种水华藻类的溶藻机制研究