基于序列信息的蛋白质结构域预测学习系统
| 第一章 引言 | 第1-14页 |
| ·生物信息学 | 第7页 |
| ·蛋白组学 | 第7-8页 |
| ·蛋白质结构预测概述 | 第8-14页 |
| ·蛋白质结构及分类 | 第8-11页 |
| ·蛋白质结构预测的原理与方法 | 第11-14页 |
| 第二章 蛋白质结构域预测 | 第14-19页 |
| ·蛋白质结构域概述 | 第14-15页 |
| ·蛋白质结构域预测研究现状 | 第15-18页 |
| ·基于相似性搜索和多序列比对 | 第15-16页 |
| ·基于专家知识 | 第16页 |
| ·从蛋白质结构信息分析 | 第16-17页 |
| ·隐马尔可夫模型方法 | 第17-18页 |
| ·其他方法 | 第18页 |
| ·本文的主要工作 | 第18-19页 |
| 第三章 基于序列信息的蛋白质结构域预测 | 第19-32页 |
| ·设计框架 | 第19页 |
| ·结构域定义 | 第19-20页 |
| ·数据提取 | 第20-24页 |
| ·PDB 数据库 | 第20-21页 |
| ·SCOP 数据库 | 第21-22页 |
| ·训练集和测试集的选取 | 第22-24页 |
| ·多序列比对 BLAST 过程 | 第24-25页 |
| ·特征信号提取 | 第25-32页 |
| ·从多序列比对列中提取特征信号 | 第25-29页 |
| ·氨基酸类型熵 | 第26页 |
| ·氨基酸分类熵 | 第26-27页 |
| ·从多序列比对列中计算分布密度 | 第27-28页 |
| ·从多序列比对列中计算列的相关性 | 第28-29页 |
| ·从多序列比对列中计算结构灵活性度量 | 第29页 |
| ·从种子序列中计算构象熵值 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第四章 支持向量机学习系统 | 第32-40页 |
| ·引言 | 第32页 |
| ·统计学习理论 | 第32-34页 |
| ·经验风险最小化 | 第32-33页 |
| ·VC 维数 | 第33页 |
| ·结构风险最小归纳原理 | 第33-34页 |
| ·支持向量机 | 第34-40页 |
| ·基本思想 | 第34-35页 |
| ·支持向量机定义 | 第35-36页 |
| ·支持向量机二分类器的训练算法 | 第36-40页 |
| ·SMO 原始算法 | 第38页 |
| ·SMO 改进算法 | 第38-39页 |
| ·收敛速度和训练时间 | 第39页 |
| ·小结 | 第39-40页 |
| 第五章 应用实现 | 第40-45页 |
| ·数据预处理过程 | 第40页 |
| ·实验结果分析 | 第40-45页 |
| ·支持向量机参数分析 | 第41-43页 |
| ·特征值参数分析 | 第43-45页 |
| 第六章 结束语 | 第45-47页 |
| ·总结 | 第45页 |
| ·展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 硕士期间发表论文 | 第51-52页 |
| 中文摘要 | 第52-54页 |
| ABSTRACT | 第54-56页 |
| 致谢 | 第56-57页 |
| 导师及作者简介 | 第57页 |
