基于机器学习法的酶耐热性影响因素的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-24页 |
| ·研究背景 | 第7-10页 |
| ·酶的耐热性 | 第7-10页 |
| ·新的研究方法—机器学习法 | 第10-22页 |
| ·支持向量机原理 | 第11-19页 |
| ·人工神经网络原理 | 第19-22页 |
| ·两种方法的选择 | 第22-23页 |
| ·研究方案 | 第23-24页 |
| 第二章 数据集的构建 | 第24-27页 |
| ·前期数据的准备 | 第24-27页 |
| ·数据库介绍 | 第24页 |
| ·数据的预处理 | 第24-27页 |
| 第三章 SVM 的参数优化 | 第27-39页 |
| ·前言 | 第27-28页 |
| ·三种优化方法及相应的实验 | 第28-37页 |
| ·几何方法及实验 | 第28-31页 |
| ·SVM-KNN 及实验 | 第31-35页 |
| ·重复训练及实验 | 第35-37页 |
| ·优化方法的比较 | 第37页 |
| ·小结 | 第37-39页 |
| 第四章 基于一级结构的酶耐热性预测 | 第39-45页 |
| ·前言 | 第39页 |
| ·实验方法 | 第39页 |
| ·实验结果及分析 | 第39-44页 |
| ·基于单个氨基酸含量的酶耐热性预测 | 第39页 |
| ·基于氨基酸极性的酶耐热性预测 | 第39-42页 |
| ·基于二肽的酶耐热性预测 | 第42-44页 |
| ·小结 | 第44-45页 |
| 第五章 基于高级结构的酶耐热性预测 | 第45-52页 |
| ·高级结构及软件平台介绍 | 第45-47页 |
| ·高级结构 | 第45-46页 |
| ·软件平台 | 第46-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·基于氢键的酶耐热性预测 | 第47-48页 |
| ·基于盐桥的酶耐热性预测 | 第48-49页 |
| ·基于体积的酶耐热性预测 | 第49-50页 |
| ·基于温度因子的酶耐热性预测 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第六章 基于SVM 的同源建模及酶的耐热性预测 | 第52-56页 |
| ·相关背景介绍 | 第52-53页 |
| ·环糊精葡萄糖基转移酶 | 第52页 |
| ·环糊精葡萄糖基转移酶的同源建模和体外改造 | 第52-53页 |
| ·实验及结果分析 | 第53-56页 |
| ·前期数据准备 | 第53-55页 |
| ·基于盐桥的环糊精葡萄糖基转移酶的耐热性预测 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第63页 |
