基于二级结构的蛋白质三级结构预测
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·蛋白质结构简介 | 第11-13页 |
| ·蛋白质简介 | 第11-12页 |
| ·蛋白质结构分类 | 第12-13页 |
| ·蛋白质三级结构分类 | 第13页 |
| ·论文内容安排 | 第13-16页 |
| 第二章 蛋白质三级结构预测 | 第16-35页 |
| ·研究现状 | 第16-18页 |
| ·从头算法 | 第16页 |
| ·同源建模法 | 第16-17页 |
| ·折叠识别法 | 第17页 |
| ·机器学习法 | 第17-18页 |
| ·应用于蛋白质三级结构预测的机器学习算法 | 第18-26页 |
| ·人工神经网络 | 第18-20页 |
| ·支持向量机 | 第20-23页 |
| ·隐马尔可夫模型 | 第23-24页 |
| ·柔性神经树 | 第24-26页 |
| ·常用的蛋白质特征提取方法 | 第26-30页 |
| ·氨基酸组成模型 | 第26-27页 |
| ·多肽组成模型 | 第27页 |
| ·理化性质组成模型 | 第27-28页 |
| ·伪氨基酸组成模型 | 第28-30页 |
| ·蛋白质序列相似性 | 第30-32页 |
| ·相似性和同源性 | 第30-31页 |
| ·数据库相似性搜索 | 第31页 |
| ·低相似性数据集 | 第31-32页 |
| ·分类器性能评价 | 第32页 |
| ·交叉验证 | 第32-35页 |
| ·交叉验证方法简介 | 第33页 |
| ·十折交叉验证 | 第33-35页 |
| 第三章 基于二级结构的特征提取方法 | 第35-42页 |
| ·蛋白质二级结构简介 | 第35页 |
| ·蛋白质二级结构预测 | 第35-36页 |
| ·特征提取方法 | 第36-42页 |
| ·简化二级结构序列 | 第37页 |
| ·基于两种序列的常规特征提取 | 第37-38页 |
| ·针对 α+β 类和 α/β 类进行特征提取 | 第38-42页 |
| 第四章 分类模型与集成学习 | 第42-46页 |
| ·层次分类模型的构建 | 第42-44页 |
| ·集成学习 | 第44-46页 |
| ·集成学习简介 | 第44页 |
| ·分类器分类结果的合成方式 | 第44-45页 |
| ·集成学习的作用 | 第45-46页 |
| 第五章 实验过程及结果分析 | 第46-53页 |
| ·数据集的选取 | 第46-47页 |
| ·基于二级结构的层次分类模型实验 | 第47-49页 |
| ·基于集成学习的蛋白质三级结构预测 | 第49-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·全文总结 | 第53-54页 |
| ·研究展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60页 |
