首页--生物科学论文--生物化学论文--蛋白质论文

基于机器学习的蛋白质二级结构和相互作用预测

摘要第1-6页
Abstract第6-14页
第1章 绪论第14-32页
   ·课题研究的背景第14-16页
     ·人类基因组计划和后基因组时代第14页
     ·蛋白质组学第14-16页
   ·课题研究的目的和意义第16-17页
   ·研究现状第17-28页
     ·蛋白质二级结构预测研究现状第17-19页
     ·蛋白质相互作用预测研究现状第19-24页
     ·蛋白质相互作用位点预测研究现状第24-28页
   ·本文的研究内容第28-31页
     ·研究内容概述第28-29页
     ·本文的主要创新点第29-31页
   ·本文的内容安排第31-32页
第2章 基于模式词典的蛋白质二级结构预测第32-54页
   ·引言第32-33页
   ·蛋白质模式词典的构建第33-42页
     ·模式的定义第33-34页
     ·模式挖掘算法第34-37页
     ·基于物种的蛋白质模式词典第37-38页
     ·蛋白质模式词典的构建结果第38-42页
   ·蛋白质模式词条和二级结构间的关系第42-46页
     ·蛋白质模式词条的二级结构相似度第42-43页
     ·影响蛋白质模式词条的二级结构的因素第43-46页
   ·基于模式词典的蛋白质二级结构预测第46-52页
     ·隐马尔可夫模型预测方法第46-50页
     ·实验分析第50-52页
   ·本章小节第52-54页
第3章 基于样本可信度分析的蛋白质相互作用预测第54-78页
   ·引言第54-55页
   ·基于蛋白质域特征的相互作用预测第55-57页
   ·蛋白质相互作用数据的可信度分析方法第57-59页
     ·正例样本可信度第57页
     ·反例样本的获取方式第57-58页
     ·反例样本可信度第58-59页
   ·蛋白质相互作用数据集的划分第59-60页
   ·基于加权AR 模型的相互作用预测方法第60-71页
     ·AR 模型的基本概念第60-62页
     ·加权AR 模型第62-65页
     ·蛋白质相互作用预测的性能评价第65-66页
     ·实验分析第66-71页
   ·加权的最大似然估计方法第71-77页
     ·最大似然估计方法第71-74页
     ·加权的最大似然估计方法第74页
     ·实验分析第74-77页
   ·本章小节第77-78页
第4章 蛋白质相互作用预测的自学习方法第78-90页
   ·引言第78页
   ·半监督学习方法概述第78-80页
   ·基于自训练学习方法的AR 模型第80-82页
   ·在von Mering 数据集上的实验分析第82-87页
     ·实验数据第82页
     ·初始标记样本对模型性能的影响第82-83页
     ·每次迭代选取样本的数量对模型性能的影响第83-85页
     ·样本权重对模型预测性能的影响第85-86页
     ·迭代过程中最佳模型的选择第86-87页
   ·在DIP 数据集上的实验第87-88页
     ·实验数据第87页
     ·实验结果第87-88页
   ·本章小节第88-90页
第5章 基于条件随机域的蛋白质相互作用位点预测第90-110页
   ·引言第90-91页
   ·条件随机域模型概述第91-93页
   ·基于条件随机域模型的蛋白质相互作用位点预测第93-99页
     ·特征的定义第94-98页
     ·条件随机域的实现第98-99页
   ·实验数据的获得第99-101页
     ·蛋白质链的选择第99-100页
     ·表面残基的确定第100页
     ·相互作用位点的选择第100-101页
     ·平衡训练数据集第101页
   ·实验分析第101-109页
     ·评价标准第101-102页
     ·实验设置第102页
     ·在基本特征集上的预测性能比较第102-104页
     ·训练数据的不平衡程度对预测性能的影响第104-105页
     ·预测示例第105-108页
     ·其他特征的尝试第108-109页
   ·本章小节第109-110页
结论第110-112页
参考文献第112-130页
攻读博士学位期间所发表的论文第130-132页
致谢第132-133页
个人简历第133页

论文共133页,点击 下载论文
上一篇:带基差风险和交易费用的不完全市场中的权证定价与避险策略研究
下一篇:白川静《字统》“载书”文字学的译介与研究