人类蛋白质糖基化位点预测的数据挖掘技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景与意义 | 第12-13页 |
| ·研究现状 | 第13-16页 |
| ·蛋白质序列糖基化位点预测研究现状 | 第13-14页 |
| ·蛋白质结构糖基化位点预测研究现状 | 第14-15页 |
| ·正例未标注学习研究现状 | 第15-16页 |
| ·现有研究存在的问题和不足 | 第16页 |
| ·研究对象和方法 | 第16-18页 |
| ·研究对象 | 第17-18页 |
| ·研究方法 | 第18页 |
| ·研究内容 | 第18-19页 |
| ·论文的组织结构 | 第19-20页 |
| 第二章 人类蛋白质序列糖基化位点预测研究 | 第20-47页 |
| ·方法概述与流程 | 第20-21页 |
| ·数据搜集与预处理 | 第21-25页 |
| ·正例数据集搜集验证 | 第21-22页 |
| ·正例数据集的验证和去同源 | 第22-23页 |
| ·负例数据集选取 | 第23-24页 |
| ·数据集划分 | 第24-25页 |
| ·特征计算和提取 | 第25-29页 |
| ·特征计算 | 第25-28页 |
| ·特征提取 | 第28-29页 |
| ·特征选择 | 第29-32页 |
| ·最小冗余最大相关算法 | 第29-30页 |
| ·信息增益算法 | 第30页 |
| ·两步特征选择算法 | 第30-32页 |
| ·建立模型与评估 | 第32-33页 |
| ·随机森林算法 | 第32-33页 |
| ·性能评估指标 | 第33页 |
| ·实验结果与分析 | 第33-45页 |
| ·糖基化位点的氨基酸特异性 | 第34-35页 |
| ·两步特征选择对于预测性能的提升 | 第35-36页 |
| ·功能特征重要性分析 | 第36-37页 |
| ·与现有预测工具的对比 | 第37-41页 |
| ·随机选取负例实验分析 | 第41-43页 |
| ·全蛋白组实验分析 | 第43-44页 |
| ·案例分析 | 第44-45页 |
| ·在线预测软件平台 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 人类蛋白质结构糖基化位点预测研究 | 第47-62页 |
| ·方法概述与流程 | 第47-48页 |
| ·数据选取与预处理 | 第48-50页 |
| ·正例数据集选取 | 第48页 |
| ·正例数据集去同源 | 第48-49页 |
| ·负例数据集选取 | 第49页 |
| ·数据集划分 | 第49-50页 |
| ·特征计算和提取 | 第50-52页 |
| ·特征计算 | 第50-51页 |
| ·特征提取 | 第51-52页 |
| ·特征选择 | 第52-53页 |
| ·基于线性SVM的特征选择 | 第52-53页 |
| ·增量特征选择 | 第53页 |
| ·建立模型与评估 | 第53页 |
| ·实验结果及分析 | 第53-61页 |
| ·最优特征子集 | 第53-55页 |
| ·特征重要性分析 | 第55-57页 |
| ·对比实验分析 | 第57-59页 |
| ·全蛋白组实验分析 | 第59页 |
| ·案例分析 | 第59-61页 |
| ·在线预测软件平台 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第四章 基于正例未标注学习的糖基化位点预测研究 | 第62-74页 |
| ·引言 | 第62页 |
| ·相关工作 | 第62-63页 |
| ·PAnDE算法 | 第63-65页 |
| ·问题定义 | 第63-64页 |
| ·AnDE算法 | 第64页 |
| ·PAnDE算法 | 第64-65页 |
| ·实验结果与分析 | 第65-73页 |
| ·标准数据集 | 第66-67页 |
| ·针对参数UnLevel实验 | 第67-68页 |
| ·针对参数a实验 | 第68-69页 |
| ·时空分析 | 第69-70页 |
| ·对蛋白质序列糖基化位点的预测 | 第70-71页 |
| ·对蛋白质结构糖基化位点的预测 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第五章 总结与展望 | 第74-76页 |
| ·总结 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 作者简介 | 第83页 |
