基于机器学习的蛋白质热点残基预测方法的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-11页 |
| 1.3 本文的研究内容与内容安排 | 第11-14页 |
| 1.3.1 本文的内容安排 | 第11-12页 |
| 1.3.2 本文的主要研究内容 | 第12-14页 |
| 第2章 蛋白质与蛋白质相互作用概述 | 第14-22页 |
| 2.1 蛋白质相互作用的生物学意义 | 第14页 |
| 2.2 蛋白质相互作用复合物的类型 | 第14-15页 |
| 2.3 蛋白质相互作用机理 | 第15-21页 |
| 2.3.1 蛋白质相互作用的界面的性质 | 第17-18页 |
| 2.3.2 蛋白质相互作用的结构特征 | 第18-19页 |
| 2.3.3 蛋白质相互作用中的热点残基和热区 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 特征选择方法和贝叶斯证据框架 | 第22-32页 |
| 3.1 特征选择 | 第22-24页 |
| 3.1.1 特征选择简介 | 第22-23页 |
| 3.1.2 两步特征选择策略 | 第23-24页 |
| 3.2 最小二乘支持向量机(LS-SVM) | 第24-27页 |
| 3.2.1 支持向量机(SVM) | 第24-25页 |
| 3.2.2 最小二乘支持向量机(LS-SVM) | 第25-27页 |
| 3.3 基于贝叶斯推断的 LS-SVM 参数选择 | 第27-30页 |
| 3.3.1 第一层推断 | 第27-28页 |
| 3.3.2 第二层推断 | 第28-29页 |
| 3.3.3 第三层推断 | 第29-30页 |
| 3.4 基于贝叶斯推断的 LS-SVM 建模过程 | 第30页 |
| 3.5 本章小结 | 第30-32页 |
| 第4章 蛋白质相互作用热点残基的预测 | 第32-39页 |
| 4.1 蛋白质特征属性的提取 | 第33-37页 |
| 4.1.1 序列特征属性 | 第33-34页 |
| 4.1.2 结构信息特征属性 | 第34-35页 |
| 4.1.3 其他的特征属性 | 第35-37页 |
| 4.2 预测模型构建 | 第37-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第5章 实验结果和分析 | 第39-46页 |
| 5.1 数据集 | 第39-41页 |
| 5.2 模型评价指标 | 第41-42页 |
| 5.3 实验结果分析 | 第42-45页 |
| 5.3.1 交叉验证和测试集上的结果 | 第42-43页 |
| 5.3.2 实例分析 | 第43-45页 |
| 5.3.3 特征分析 | 第45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 总结与展望 | 第46-48页 |
| 6.1 工作总结 | 第46页 |
| 6.2 工作展望 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 附录 1 攻读学位期间发表的论文 | 第54-55页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第55-56页 |
| 详细摘要 | 第56-60页 |
