首页--生物科学论文--生物化学论文--蛋白质论文

基于层次聚类和基因本体的蛋白质复合体预测研究

摘要第4-5页
Abstract第5页
目录第6-8页
第1章 绪论第8-15页
    1.1 课题背景及意义第8-9页
    1.2 国内外研究现状第9-12页
        1.2.1 基于密度的方法第9-10页
        1.2.2 基于图聚类的方法第10-11页
        1.2.3 融合其它复合体特征的方法第11-12页
        1.2.4 基于有监督的机器学习方法第12页
    1.3 复合体预测的难点及本文研究思路第12-13页
    1.4 本文的内容安排第13-15页
第2章 相关背景知识和复合体预测评价方法介绍第15-23页
    2.1 引言第15页
    2.2 相关背景知识介绍第15-18页
        2.2.1 蛋白质相互作用网络第15-17页
        2.2.2 蛋白质复合体第17-18页
    2.3 实验数据介绍第18-20页
        2.3.1 蛋白质相互作用网络第18页
        2.3.2 蛋白质复合体第18-19页
        2.3.3 基因本体第19-20页
    2.4 复合体预测的评价方法介绍第20-21页
    2.5 本章小结第21-23页
第3章 基于层次聚类的蛋白质复合体预测研究第23-36页
    3.1 引言第23页
    3.2 基于GN算法的复合体预测第23-25页
        3.2.1 GN算法流程第23-24页
        3.2.2 实验结果及分析第24-25页
    3.3 基于HLC算法的复合体预测第25-27页
        3.3.1 HLC算法流程第25-27页
        3.3.2 实验结果及分析第27页
    3.4 基于HLC-CA算法的复合体预测第27-35页
        3.4.1 HLC-CA算法流程第28-29页
        3.4.2 HLC-CA中参数的调节和影响第29-30页
        3.4.3 各种算法的对比实验结果及分析第30-32页
        3.4.4 对HLC-CA的进一步讨论分析第32-35页
    3.5 本章小结第35-36页
第4章 基于基因本体的蛋白质复合体预测研究第36-47页
    4.1 引言第36-37页
    4.2 蛋白质语义相似度计算算法介绍第37-38页
    4.3 利用语义相似度解决假阳性的研究第38-44页
        4.3.1 转换蛋白质网络为有权图的方法第39-40页
        4.3.2 利用语义相似度过滤蛋白质网络的方法第40-43页
        4.3.3 HLC和HLC-CA在过滤后网络上的性能分析第43-44页
    4.4 解决蛋白质网络假阴性的研究第44-46页
    4.5 本章小结第46-47页
第5章 融合基因本体生物学知识的复合体预测研究第47-53页
    5.1 引言第47页
    5.2 基于有监督学习的复合体预测研究第47-51页
        5.2.1 正反例复合体数据集的构建第48-49页
        5.2.2 蛋白质复合体特征的选取第49-50页
        5.2.3 复合体分类器的构建第50-51页
    5.3 实验结果及分析第51-52页
    5.4 本章小结第52-53页
结论第53-55页
参考文献第55-59页
附录A HLC的算法复杂度分析第59-61页
攻读硕士学位期间发表的论文第61-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:液晶二聚体及树枝状液晶化合物的合成与液晶行为研究
下一篇:转录因子重组蛋白质的纯化及活性检测