基于随机游走的蛋白质功能预测算法设计与实现
| 中文摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-23页 |
| ·课题背景与意义 | 第10-12页 |
| ·蛋白质相互作用简介 | 第12-17页 |
| ·蛋白质相互作用数据库 | 第13-15页 |
| ·蛋白质相互作用网络及其构建 | 第15-17页 |
| ·基于相互作用网络的蛋白质功能预测 | 第17-20页 |
| ·直接注释方法 | 第18-19页 |
| ·模块化方法 | 第19-20页 |
| ·本文主要研究工作与创新点 | 第20-21页 |
| ·本文章节安排 | 第21-23页 |
| 第二章 数据的获取与处理 | 第23-27页 |
| ·引言 | 第23页 |
| ·Gene Ontology(GO)简介 | 第23-24页 |
| ·蛋白质相互作用数据的获取 | 第24页 |
| ·蛋白质相互作用数据的整合 | 第24-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于蛋白质相互作用网络的随机游走算法 | 第27-40页 |
| ·引言 | 第27页 |
| ·图的预备知识 | 第27-31页 |
| ·图的相关定义 | 第28-30页 |
| ·图的邻接矩阵表示 | 第30-31页 |
| ·随机游走算法 | 第31-39页 |
| ·背景介绍 | 第31-32页 |
| ·图上的随机游走 | 第32-35页 |
| ·在蛋白质相互作用网络上的随机游走算法 | 第35-39页 |
| ·小结 | 第39-40页 |
| 第四章 基于注释模式的蛋白质功能预测 | 第40-50页 |
| ·引言 | 第40页 |
| ·蛋白质的注释模式 | 第40-43页 |
| ·注释模式的相关定义 | 第40-41页 |
| ·提取注释模式 | 第41-43页 |
| ·多标签学习的 K 近邻算法 | 第43-49页 |
| ·K 近邻算法 | 第43-45页 |
| ·ML-KNN 在蛋白质功能预测中的应用 | 第45-49页 |
| ·小结 | 第49-50页 |
| 第五章 实验与结果分析 | 第50-58页 |
| ·评价指标 | 第50-53页 |
| ·结果分析 | 第53-57页 |
| ·小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65页 |
