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 |