| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 关键蛋白质识别的相关算法概述 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 蛋白质相互作用网络 | 第17-20页 |
| 2.2.1 常用的蛋白质相互作用网络数据库 | 第17-19页 |
| 2.2.2 蛋白质相互作用网络的拓扑特征 | 第19-20页 |
| 2.3 关键蛋白质识别的相关算法 | 第20-24页 |
| 2.3.1 六种经典的中心性方法 | 第20-22页 |
| 2.3.2 基于拓扑特性的识别方法 | 第22-23页 |
| 2.3.3 融合生物信息的识别方法 | 第23-24页 |
| 2.4 评价算法有效性的方法 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 第3章 基于边聚集系数和复合物内度的关键蛋白质识别算法 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 方法 | 第26-30页 |
| 3.2.1 边聚集系数 | 第27-28页 |
| 3.2.2 复合物中心性 | 第28页 |
| 3.2.3 CSC 算法 | 第28-30页 |
| 3.3 实验数据 | 第30页 |
| 3.4 实验结果及分析 | 第30-35页 |
| 3.5 小结 | 第35-36页 |
| 第4章 基于图熵中心性的关键蛋白质识别算法 | 第36-51页 |
| 4.1 引言 | 第36页 |
| 4.2 方法 | 第36-39页 |
| 4.2.1 蛋白质网络中熵的概念 | 第36-37页 |
| 4.2.2 GO 语义相似性 | 第37-38页 |
| 4.2.3 GEC 算法 | 第38-39页 |
| 4.3 实验数据 | 第39-40页 |
| 4.4 实验结果及分析 | 第40-49页 |
| 4.5 小结 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 附录A 攻读学位期间发表的学术论文 | 第59-60页 |
| 附录B 攻读学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |