| 目录 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-11页 |
| 第一章 绪论 | 第11-31页 |
| ·研究现状 | 第15-28页 |
| ·蛋白特征抽取、特征构造 | 第15-21页 |
| ·预测模型 | 第21-28页 |
| ·主要问题 | 第28页 |
| ·研究目标及研究内容 | 第28-29页 |
| ·论文贡献 | 第29-30页 |
| ·论文组织 | 第30-31页 |
| 第二章 基于结构域多示例学习的GRAM阳性蛋白亚细胞定位预测 | 第31-45页 |
| ·引言 | 第31-32页 |
| ·方法 | 第32-38页 |
| ·多示例学习简述 | 第34-36页 |
| ·多示例多类学习、多示例多类标学习 | 第36-38页 |
| ·GRAM阳性细菌蛋白实验 | 第38-43页 |
| ·实验数据 | 第38-40页 |
| ·结构域特征构造 | 第40页 |
| ·实验结果 | 第40-43页 |
| ·讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第三章 基于氨基酸分类谱核融合的蛋白亚细胞核定位预测 | 第45-56页 |
| ·引言 | 第45-46页 |
| ·方法 | 第46-50页 |
| ·谱核函数、部分不匹配核函数简述 | 第46-48页 |
| ·k-mer嵌入氨基酸分类信息的生物学解释 | 第48-49页 |
| ·基于氨基酸分类的谱核融合 | 第49-50页 |
| ·实验:蛋白亚细胞核定位预测 | 第50-54页 |
| ·与基准模型对比 | 第51-53页 |
| ·与单核方法对比 | 第53-54页 |
| ·讨论 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于序列同源多示例核融合的蛋白亚细胞定位预测 | 第56-68页 |
| ·引言 | 第56-58页 |
| ·多示例核函数简述 | 第58页 |
| ·基于序列同源的多示例核融合方法 | 第58-61页 |
| ·多示例核方法 | 第58-59页 |
| ·特征抽取 | 第59-61页 |
| ·核融合 | 第61页 |
| ·实验设计 | 第61页 |
| ·模型评估 | 第61页 |
| ·实验设置 | 第61页 |
| ·实验一:GRAM阴性细菌蛋白亚细胞定位预测 | 第61-64页 |
| ·与基准模型对比 | 第62-63页 |
| ·验证嵌入同源蛋白序列的有效性 | 第63页 |
| ·与单核方法对比 | 第63-64页 |
| ·实验二: 真核生物蛋白亚细胞定位预测 | 第64-66页 |
| ·与基准模型对比 | 第65页 |
| ·验证嵌入同源蛋白序列有效性 | 第65-66页 |
| ·与单核方法对比 | 第66页 |
| ·讨论 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 基于基因本体知识迁移学习的蛋白亚细胞定位预测 | 第68-103页 |
| ·引言 | 第68-71页 |
| ·迁移学习、多核学习简述 | 第71-74页 |
| ·迁移学习简述 | 第71-72页 |
| ·多核学习简述 | 第72-74页 |
| ·基因本体知识迁移学习方法 | 第74-79页 |
| ·同源基因本体特征构造 | 第74页 |
| ·统计相关基因本体特征构造 | 第74-75页 |
| ·核函数权重估计 | 第75-77页 |
| ·模型框架示意图 | 第77-79页 |
| ·模型评估、模型选择 | 第79页 |
| ·实验一:与基准模型MULTILOC-GO对比 | 第79-86页 |
| ·标准数据集 | 第79页 |
| ·性能对比实验 | 第79-83页 |
| ·核函数权重分析 | 第83-86页 |
| ·实验二:大规模真核生物蛋白 | 第86-93页 |
| ·标准数据集 | 第86-89页 |
| ·性能对比实验 | 第89-92页 |
| ·核函数权重分析 | 第92-93页 |
| ·实验三:基因注释统计相关性分析 | 第93-100页 |
| ·标准数据集 | 第93页 |
| ·GOA统计相关性分析 | 第93-95页 |
| ·性能对比实验 | 第95-99页 |
| ·核函数权重分析 | 第99页 |
| ·统计相关基因本体知识迁移的有效性 | 第99-100页 |
| ·讨论 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 第六章 总结与展望 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读学位期间作者的工作成果 | 第115-117页 |
| 致谢 | 第117-118页 |
