| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 引言 | 第10-11页 |
| 1.2 研究背景 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 第2章 主要的研究方法 | 第16-38页 |
| 2.1 引言 | 第16页 |
| 2.2 蛋白质羟基化修饰位点数据 | 第16-18页 |
| 2.2.1 蛋白质羟基化修饰相关数据库 | 第16-17页 |
| 2.2.2 去冗余工具—CD-HIT | 第17-18页 |
| 2.3 基于氨基酸组成和位置特异性的氨基酸的序列特征提取算法 | 第18-23页 |
| 2.3.1 氨基酸组成—AAC、Kmer AAC、CKSAAP | 第18-19页 |
| 2.3.2 双边贝叶斯算法—BPB | 第19-20页 |
| 2.3.3 基于正态分布的双边贝叶斯算法—ANBPB | 第20-21页 |
| 2.3.4 伪双边贝叶斯编码—PseBPB | 第21-22页 |
| 2.3.5 K最近邻打分—KNN_scores | 第22-23页 |
| 2.4 基于氨基酸理化性质的特征提取方法 | 第23-27页 |
| 2.4.1 氨基酸的理化倾向指数—AAPPI | 第23-24页 |
| 2.4.2 伪氨基酸组成—PseAAC | 第24-25页 |
| 2.4.3 自相关函数—ACF | 第25-26页 |
| 2.4.4 理化距离转换—PDT | 第26-27页 |
| 2.5 基于支持向量机的预测模型构建 | 第27-35页 |
| 2.5.1 支持向量机概述 | 第27-28页 |
| 2.5.2 线性支持向量机 | 第28-31页 |
| 2.5.3 非线性支持向量机 | 第31-34页 |
| 2.5.4 权重支持向量机 | 第34-35页 |
| 2.6 分类器性能评价指标 | 第35-36页 |
| 2.7 交叉验证 | 第36-37页 |
| 2.8 本章小结 | 第37-38页 |
| 第3章 基于SVM的蛋白质羟基化的生物信息学方法研究 | 第38-48页 |
| 3.1 引言 | 第38页 |
| 3.2 蛋白质羟基化修饰位点数据的获取 | 第38-40页 |
| 3.3 蛋白质羟基化修饰位点数据集的预处理 | 第40-43页 |
| 3.3.1 正负样本的提取 | 第40-41页 |
| 3.3.2 基准数据集的建立 | 第41-43页 |
| 3.3.3 独立测试集的建立 | 第43页 |
| 3.4 ANBPB与AAPPI的特征编码方式 | 第43-47页 |
| 3.4.1 ANBPB | 第43-44页 |
| 3.4.2 AAPPI | 第44-47页 |
| 3.5 建立预测模型—OH-PRED | 第47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 结果比较与讨论 | 第48-55页 |
| 4.1 引言 | 第48页 |
| 4.2 理化性质的位置特异性倾向分析 | 第48-49页 |
| 4.3 OH-PRED模型的预测性能 | 第49-51页 |
| 4.4 OH-PRED与其他预测模型比较 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 本文工作总结 | 第55-56页 |
| 5.2 后续工作展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录1 表S3.1 | 第61-62页 |
| 附录2 表S3.2 | 第62-63页 |
| 附录3 表S3.3 | 第63-64页 |
| 攻读学位期间公开发表SCI论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
