首页--生物科学论文--生物化学论文--蛋白质论文

蛋白质相互作用位点预测方法研究

摘要第5-7页
Abstract第7-8页
1 绪论第14-25页
    1.1 引言第14-15页
    1.2 蛋白质相互作用及作用位点概述第15-18页
        1.2.1 蛋白质及功能第15页
        1.2.2 蛋白质相互作用第15-17页
        1.2.3 蛋白质相互作用位点第17-18页
    1.3 识别蛋白质相互作用位点的实验方法第18-19页
    1.4 本文的研究内容第19-23页
        1.4.1 基准数据集第19-20页
        1.4.2 评价指标与验证过程第20-22页
        1.4.3 研究工作与创新点第22-23页
    1.5 内容安排第23-25页
2 蛋白质相互作用位点预测中的计算方法第25-37页
    2.1 引言第25页
    2.2 基于计算方法的蛋白质相互作用位点预测第25-34页
        2.2.1 特征表示第26-28页
        2.2.2 基于序列的方法第28-30页
        2.2.3 基于结构的方法第30-34页
    2.3 相关工作第34-35页
        2.3.1 ISIS第34页
        2.3.2 SPPIDER第34页
        2.3.3 PSIVER第34-35页
        2.3.4 LORIS第35页
        2.3.5 SPRINGS第35页
    2.4 需要解决的主要问题第35-36页
    2.5 本章小结第36-37页
3 基于级联的随机森林集成的预测器第37-56页
    3.1 引言第37页
    3.2 特征表示第37-39页
        3.2.1 PSSMs派生特征第37-38页
        3.2.2 ACH特征第38页
        3.2.3 PRSA特征第38-39页
    3.3 级联的随机森林集成方法第39-43页
    3.4 实验与讨论第43-54页
        3.4.1 参数配置第43页
        3.4.2 CRF处理类不平衡的有效性第43-44页
        3.4.3 特征重要性分析第44-46页
        3.4.4 对于参数的鲁棒性第46-47页
        3.4.5 与其他基于随机森林的方法的比较第47-48页
        3.4.6 与存在的PPI位点预测方法的比较第48-51页
        3.4.7 不同的蛋白质长度和氨基酸残基的性能分析第51-54页
    3.5 本章小结第54-56页
4 基于支持向量机与样本加权随机森林集成的预测器第56-76页
    4.1 引言第56页
    4.2 特征表示第56-58页
        4.2.1 PSSMs派生特征第57-58页
        4.2.2 ACRSA特征第58页
    4.3 支持向量机与样本加权的随机森林的集成第58-61页
        4.3.1 训练阶段第59-60页
        4.3.2 调整阈值第60-61页
        4.3.3 预测阶段第61页
    4.4 实验与讨论第61-74页
        4.4.1 参数配置第61-62页
        4.4.2 SSWRF处理类不平衡的有效性第62-66页
        4.4.3 特征重要性分析第66-68页
        4.4.4 与存在的PPI位点预测器的比较第68-71页
        4.4.5 不同的蛋白质长度和氨基酸残基的性能分析第71-74页
    4.5 本章小结第74-76页
5 基于数据分布采样的集成预测器第76-91页
    5.1 引言第76页
    5.2 基于溶剂可及性分布的采样方法第76-78页
    5.3 基于溶剂可及性采样的随机森林集成模型第78-81页
        5.3.1 训练阶段第79-80页
        5.3.2 调整阈值第80页
        5.3.3 预测阶段第80-81页
    5.4 实验与讨论第81-88页
        5.4.1 参数配置第81页
        5.4.2 SA-RFE处理类不平衡的有效性第81-82页
        5.4.3 对于参数的鲁棒性第82-83页
        5.4.4 与存在的PPI位点预测器的比较第83-86页
        5.4.5 不同的蛋白质长度和氨基酸残基的性能分析第86-88页
    5.5 本章小结第88-89页
    5.6 CRF、SSWRF和SA-RFE的比较第89-91页
6 总结与展望第91-93页
    6.1 总结第91-92页
    6.2 未来展望第92-93页
致谢第93-94页
参考文献第94-106页
附录第106页

论文共106页,点击 下载论文
上一篇:时间式网络隐蔽信道抗扰技术研究
下一篇:高灵敏声表面波生物传感器关键技术研究