| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 研究现状 | 第9-10页 |
| 1.2.2 存在的问题 | 第10页 |
| 1.2.3 本研究的动机 | 第10-12页 |
| 1.3 论文的研究内容和主要工作 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第2章 蛋白质修饰的概述和数据来源 | 第14-20页 |
| 2.1 蛋白质修饰位点概述 | 第14页 |
| 2.1.1 蛋白质修饰位点的定义和结构 | 第14页 |
| 2.2 数据来源和处理 | 第14-20页 |
| 2.2.1 数据的来源 | 第14-15页 |
| 2.2.2 蛋白质亚磺酰化修饰位点序列的正负样本的构造 | 第15-17页 |
| 2.2.3 不平衡数据集的处理 | 第17-20页 |
| 第3章 窗口序列特征提取方法和特征选择 | 第20-30页 |
| 3.1 特征提取方法综述 | 第20-24页 |
| 3.1.1 二进制编码法 | 第20-21页 |
| 3.1.2 位置特异性氨基酸编码序列 | 第21-22页 |
| 3.1.3 AAindex属性 | 第22-23页 |
| 3.1.4 ASA氨基酸溶剂可及性面积百分比值表示法 | 第23页 |
| 3.1.5 PSSM profiles表示 | 第23-24页 |
| 3.2 本文中的特征提取方法简介 | 第24-26页 |
| 3.2.1 Physicochemical Properties Difference(PPD) | 第24-26页 |
| 3.3 特征选择方法 | 第26-30页 |
| 第4章 分类器概述 | 第30-44页 |
| 4.1 支持向量机(SVM) | 第30-32页 |
| 4.2 逻辑斯蒂回归模型 | 第32-33页 |
| 4.3 神经网络模型 | 第33-35页 |
| 4.4 实验模型选择及其处理流程 | 第35-44页 |
| 4.4.1 结构流程 | 第35-37页 |
| 4.4.2 训练集划分 | 第37-39页 |
| 4.4.3 特征表示PPD(Physicochemical Properties Difference) | 第39页 |
| 4.4.4 特征选择 | 第39-41页 |
| 4.4.5 模型构建 | 第41-44页 |
| 第5章 实验结果及分析 | 第44-50页 |
| 5.1 实验评估标准 | 第44-45页 |
| 5.2 实验结果 | 第45-46页 |
| 5.2.1 训练集中的结果 | 第45页 |
| 5.2.2 独立测试集中的结果 | 第45-46页 |
| 5.3 实验结果分析 | 第46-50页 |
| 5.3.1 预测结果的分析 | 第46-47页 |
| 5.3.2 基于特征的预测结果的分析 | 第47-50页 |
| 第6章 总结和展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 发表论文和参加科研情况说明 | 第58-60页 |
| 致谢 | 第60页 |
