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 |