| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-16页 |
| ·蛋白质二级结构预测意义 | 第9-10页 |
| ·蛋白质二级结构预测发展史 | 第10-16页 |
| ·Chou-Fasman方法 | 第10-11页 |
| ·GOR(Garnier-Osguthorpe-Robson)方法 | 第11页 |
| ·PHD方法 | 第11-12页 |
| ·最近邻居法 | 第12页 |
| ·神经网络方法的引进 | 第12-13页 |
| ·SVM(Support Vector Machine,支持向量机)发展史及原理 | 第13-15页 |
| ·Multi-class Support Vector Machine | 第15-16页 |
| 第2章 实验过程 | 第16-32页 |
| ·二级结构的定义 | 第16-17页 |
| ·数据集选择 | 第17-20页 |
| ·分组信息 | 第20-21页 |
| ·PSI-BLAST序表 | 第21-22页 |
| ·滑动窗口的使用 | 第22-23页 |
| ·实验过程 | 第23-29页 |
| ·单纯的进化信息 | 第23页 |
| ·疏水因子实验 | 第23-25页 |
| ·HEC倾向性引入实验 | 第25-27页 |
| ·SVM双层网络 | 第27-29页 |
| ·SVM训练过程 | 第29-31页 |
| ·交叉验证(7 cross validation,七重交叉验证)检测 | 第31-32页 |
| 第3章 结果与讨论 | 第32-42页 |
| ·三态准确率(Q_3)——传统的单个氨基酸预测准确率检测结果 | 第32页 |
| ·SOV——片断重叠测量法(Segment Overlap Measure) | 第32-33页 |
| ·不含任何特异信息的20维氨基酸编码方式交叉验证结果 | 第33-34页 |
| ·单纯PSSM实验结果 | 第34页 |
| ·疏水因子实验 | 第34-35页 |
| ·HEC倾向性引入实验 | 第35-36页 |
| ·疏水因子+HEC倾向性引入实验 | 第36-37页 |
| ·SVM双层网络 | 第37-38页 |
| ·结果分析 | 第38-41页 |
| ·由结果简单计算 | 第38-40页 |
| ·相关系数(Correlation coefficient) | 第40-41页 |
| ·结果讨论 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 附录 | 第44-46页 |
| 附录一:SOV计算方法:(参考自http://protein.hbu.cn/lab/SOV.htm) | 第44-45页 |
| 附录二:相关系数算法 | 第45-46页 |
| 致谢 | 第46-47页 |
| 攻读学位期间取得的科研成果 | 第47页 |
