首页--数理科学和化学论文--化学论文--有机化学论文

蛋白质折叠速率预测方法研究

摘要第1-7页
ABSTRACT第7-14页
第一章 绪论第14-36页
   ·蛋白质通论第16-17页
     ·蛋白质构象第16-17页
     ·蛋白质分类第17页
   ·蛋白质折叠概述第17-21页
     ·蛋白质体内折叠与体外折叠第18页
     ·蛋白质折叠的热力学与动力学研究第18-19页
     ·蛋白质折叠类型第19页
     ·蛋白质折叠机理第19-21页
   ·蛋白质折叠速率预测研究进展第21-33页
     ·基于三级结构的预测方法第22-26页
     ·基于二级结构的预测方法第26-27页
     ·基于一级结构的预测方法第27-31页
     ·各种方法比较第31-33页
   ·本文的主要研究工作第33-35页
   ·本文的组织结构第35-36页
第二章 基于遗传算法—神经网络的蛋白质折叠速率预测第36-62页
   ·神经网络基本理论第37-46页
     ·神经元模型第38-40页
     ·神经网络学习类型第40页
     ·神经网络分类第40-42页
     ·BP 神经网络概述第42-46页
   ·遗传算法基本知识第46-50页
     ·遗传算法运算流程第46-49页
     ·遗传算法的基本操作第49-50页
   ·折叠速率预测的实现第50-55页
     ·数据的搜集整理第50-52页
     ·神经网络结构设计第52页
     ·遗传算法的实现第52-53页
     ·数据预处理第53-55页
   ·预测模型的检验方法与衡量指标第55-57页
     ·预测精度衡量指标第55-56页
     ·预测模型检验方法第56-57页
   ·预测结果与方法比较第57-60页
     ·预测模型的执行结果第57-58页
     ·不同方法间的比较第58-60页
   ·结论第60-62页
第三章 基于相关的蛋白质折叠速率预测第62-80页
   ·引言第62页
   ·材料与方法第62-66页
     ·数据集第63-65页
     ·评价方法第65-66页
   ·基于伪氨基酸组成的蛋白质折叠速率预测第66-74页
     ·伪氨基酸组成第66-68页
     ·序列特征提取第68-69页
     ·预测结果第69-70页
     ·方法比较第70-73页
     ·对认识折叠机理的启示第73页
     ·该方法的不足之处第73-74页
   ·基于n 阶偶联组成的蛋白质折叠速率预测第74-78页
     ·n 阶偶联组成第74-75页
     ·序列特征提取第75-76页
     ·预测结果第76-77页
     ·方法比较第77-78页
   ·结果讨论第78-79页
   ·本章小结第79-80页
第四章 基于蒙特卡洛方法的蛋白质折叠速率预测第80-95页
   ·蒙特卡洛方法介绍第81-83页
     ·蒙特卡洛方法的基本思想第81页
     ·蒙特卡洛方法的理论基础第81-82页
     ·蒙特卡洛方法的操作步骤第82-83页
     ·蒙特卡洛方法的优点第83页
   ·奇异值分解模型第83-85页
     ·奇异值分解的定义第83-84页
     ·奇异值分解的性质第84-85页
   ·材料与方法第85-90页
     ·数据集第85-86页
     ·伪氨基酸组成第86页
     ·蒙特卡洛方法的实现第86-90页
     ·评价方法第90页
   ·结果分析与讨论第90-93页
     ·预测结果第90-91页
     ·对认识折叠机理的启示第91-92页
     ·方法比较第92-93页
   ·方法的不足与可能存在的改进第93-94页
   ·本章小结第94-95页
第五章 网络服务第95-101页
   ·引言第96-97页
   ·网络服务的描述第97-100页
     ·网络服务的键入第98-99页
     ·网络服务的输出第99-100页
     ·网络服务的附加信息第100页
   ·本章小结第100-101页
第六章 总结与讨论第101-105页
   ·全文总结第102-103页
   ·存在的问题与讨论第103页
   ·后续工作展望第103-105页
致谢第105-106页
参考文献第106-121页
攻博期间取得的研究成果第121-122页
 一、攻博期间完成和发表的论文第121页
 二、攻博期间参加的科研项目第121-122页

论文共122页,点击 下载论文
上一篇:H.264可伸缩视频编码码率控制算法研究及其应用
下一篇:符号矩阵和多智能体系统一致性研究