| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-12页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·课题研究的国内外现状 | 第10页 |
| ·论文的结构安排 | 第10-12页 |
| 第二章 蛋白质复杂超二级结构βαβ模体的结构简介及其数据库的构建 | 第12-17页 |
| ·蛋白质结构介绍 | 第12-13页 |
| ·文中使用的蛋白质数据库及相关软件介绍 | 第13-15页 |
| ·蛋白质中βαβ模体数据库的构建 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 序列片段截取方法及氨基酸位点保守性分析 | 第17-27页 |
| ·序列片段统计分析 | 第17-20页 |
| ·二级结构单元长度进行统计 | 第17-18页 |
| ·核心结构 loop-α-loop 长度统计 | 第18-19页 |
| ·序列片段长统计 | 第19-20页 |
| ·序列片段截取方式 | 第20-21页 |
| ·位点保守性分析 | 第21-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 基于优化特征参数的支持向量机方法预测βαβ模体 | 第27-36页 |
| ·特征参数选取 | 第27-29页 |
| ·方法和评价指标 | 第29-31页 |
| ·支持向量机 (SVM) 方法 | 第29-30页 |
| ·检验方法 | 第30页 |
| ·精度评价指标 | 第30-31页 |
| ·结果与讨论 | 第31-34页 |
| ·五交叉检验预测结果 | 第31-33页 |
| ·独立检验预测结果 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第五章 基于随机森林算法预测βαβ模体 | 第36-42页 |
| ·特征参数的选取 | 第36-37页 |
| ·随机森林 (RF) 方法 | 第37-38页 |
| ·预测结果的比较与讨论 | 第38-41页 |
| ·SVM 算法与 RF 算法比较 | 第38-39页 |
| ·使用位点氨基酸亲疏水作为特征参数的预测结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| ·总结 | 第42-43页 |
| ·展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 附录 | 第48-53页 |
| 致谢 | 第53-54页 |
| 在读期间取得的科研成果 | 第54页 |