| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第16-30页 |
| 1.1 引言 | 第16-17页 |
| 1.2 蛋白质与配体相互作用及绑定位点概述 | 第17-25页 |
| 1.2.1 蛋白质及功能 | 第17-19页 |
| 1.2.2 蛋白质与配体之间的分子识别 | 第19页 |
| 1.2.3 蛋白质与配体相互作用 | 第19-22页 |
| 1.2.4 蛋白质与配体的绑定位点 | 第22-23页 |
| 1.2.5 绑定位点的配体特异性 | 第23-25页 |
| 1.3 识别蛋白质与配体绑定位点的生物实验方法 | 第25-26页 |
| 1.4 蛋白质相关数据库 | 第26-27页 |
| 1.5 研究内容与创新点 | 第27-28页 |
| 1.6 内容安排 | 第28-30页 |
| 2 蛋白质与配体绑定位点预测中的生物计算方法 | 第30-40页 |
| 2.1 引言 | 第30页 |
| 2.2 基于计算方法的蛋白质与配体绑定位点预测 | 第30-34页 |
| 2.2.1 基于结构的预测方法 | 第30-32页 |
| 2.2.2 基于序列的预测方法 | 第32-33页 |
| 2.2.3 基于结构与序列的混合预测方法 | 第33-34页 |
| 2.3 支持向量机算法简介 | 第34页 |
| 2.4 预测性能评价指标 | 第34-37页 |
| 2.5 实验验证方法 | 第37-38页 |
| 2.6 需要解决的主要问题 | 第38-39页 |
| 2.7 本章小结 | 第39-40页 |
| 3 基于类不平衡学习的预测方法 | 第40-66页 |
| 3.1 引言 | 第40-41页 |
| 3.2 特征表示 | 第41-44页 |
| 3.2.1 位置特异性得分矩阵特征 | 第41-42页 |
| 3.2.2 预测的蛋白质二级结构信息特征 | 第42页 |
| 3.2.3 配体特异性绑定倾向性信息特征 | 第42-44页 |
| 3.3 基于随机下采样的支持向量机分类器集成方法 | 第44-48页 |
| 3.4 有监督的上采样方法 | 第48-50页 |
| 3.5 实验与讨论 | 第50-64页 |
| 3.5.1 实验数据 | 第50-52页 |
| 3.5.2 参数配置 | 第52-53页 |
| 3.5.3 基于随机下采样的支持向量机分类器集成方法中的集成策略比较 | 第53-54页 |
| 3.5.4 有监督的上采样方法与已有的上采样方法的比较 | 第54页 |
| 3.5.5 TargetATP与已有预测方法的比较 | 第54-56页 |
| 3.5.6 TargetS与已有预测方法的比较 | 第56-61页 |
| 3.5.7 TargetSOS与已有预测方法的比较 | 第61-64页 |
| 3.5.8 TargetATP、TargteS与TargetSOS的比较 | 第64页 |
| 3.6 本章小结 | 第64-66页 |
| 4 基于特征学习的预测方法 | 第66-91页 |
| 4.1 引言 | 第66-67页 |
| 4.2 特征表示 | 第67-68页 |
| 4.2.1 TargetATPsite的特征表示 | 第67页 |
| 4.2.2 TargetVita的特征表示 | 第67页 |
| 4.2.3 TargetDNA的特征表示 | 第67-68页 |
| 4.3 稀疏表示算法与TargetATPsite | 第68-70页 |
| 4.3.1 稀疏表示 | 第68-69页 |
| 4.3.2 TargetATPsite | 第69-70页 |
| 4.4 联合拉普拉斯特征权重学习算法与TargetVita | 第70-72页 |
| 4.4.1 联合拉普拉斯特征权重学习算法 | 第70-72页 |
| 4.4.2 TargetVita | 第72页 |
| 4.5 中心化线性核目标对齐算法与TargetDNA | 第72-76页 |
| 4.5.1 中心化线性核目标对齐算法 | 第72-74页 |
| 4.5.2 TagetDNA | 第74-76页 |
| 4.6 实验与讨论 | 第76-89页 |
| 4.6.1 实验数据 | 第76-77页 |
| 4.6.2 稀疏表示的有效性验证 | 第77-78页 |
| 4.6.3 联合拉普拉斯特征权重学习算法与已有特征选择算法的比较 | 第78-79页 |
| 4.6.4 中心化线性核目标对齐算法有效性验证 | 第79-80页 |
| 4.6.5 TargetATPsite与已有预测方法的比较 | 第80-82页 |
| 4.6.6 TargetVita与已有预测方法的比较 | 第82-88页 |
| 4.6.7 TargetDNA与已有预测方法的比较 | 第88-89页 |
| 4.7 本章小结 | 第89-91页 |
| 5 基于查询驱动模型的预测方法 | 第91-113页 |
| 5.1 引言 | 第91-92页 |
| 5.2 OSML预测方法 | 第92-94页 |
| 5.3 TargetNUCs预测方法 | 第94-96页 |
| 5.4 TargetLBS预测方法 | 第96-98页 |
| 5.5 实验与讨论 | 第98-112页 |
| 5.5.1 实验数据 | 第98-99页 |
| 5.5.2 OSML与静态预测方法比较 | 第99-101页 |
| 5.5.3 OSML与已有预测方法的比较 | 第101-104页 |
| 5.5.4 动态查询驱动样本调节算法参数的鲁棒性验证 | 第104-106页 |
| 5.5.5 TargetNUCs与已有预测方法的比较 | 第106-108页 |
| 5.5.6 TargetLBS与数据库更新年份的关系 | 第108-110页 |
| 5.5.7 TargetLBS与已有预测方法的比较 | 第110-112页 |
| 5.6 本章小结 | 第112-113页 |
| 6 总结与展望 | 第113-116页 |
| 6.1 总结 | 第113-114页 |
| 6.2 未来展望 | 第114-116页 |
| 致谢 | 第116-117页 |
| 参考文献 | 第117-130页 |
| 附录 | 第130-133页 |
