蛋白质构效关系的计算方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第17-43页 |
| 1.1 研究背景和意义 | 第17-20页 |
| 1.1.1 研究背景 | 第17-19页 |
| 1.1.2 研究意义 | 第19-20页 |
| 1.2 蛋白质构效关系描述 | 第20-21页 |
| 1.2.1 定量构效关系 | 第20页 |
| 1.2.2 蛋白质构效关系研究方法 | 第20-21页 |
| 1.3 蛋白质结构预测 | 第21-29页 |
| 1.3.1 三维结构预测方法分类 | 第21-25页 |
| 1.3.2 蛋白质侧链预测 | 第25-29页 |
| 1.4 蛋白质参数的选择 | 第29-35页 |
| 1.4.1 序列特征参数 | 第29-31页 |
| 1.4.2 结构特征参数 | 第31-35页 |
| 1.5 关系模型构建方法 | 第35-40页 |
| 1.5.1 机器学习介绍 | 第36页 |
| 1.5.2 基本的机器学习模型 | 第36-37页 |
| 1.5.3 应用于生物信息学领域的机器学习方法 | 第37-40页 |
| 1.6 本文研究结构 | 第40-43页 |
| 第二章 蛋白质侧链结构预测的一种并行蚁群方法 | 第43-65页 |
| 2.1 引言 | 第43-45页 |
| 2.2 元启发搜索方案 | 第45-48页 |
| 2.2.1 侧链堆积问题描述 | 第45页 |
| 2.2.2 并行元启发搜索分析 | 第45-46页 |
| 2.2.3 能量函数分析 | 第46-47页 |
| 2.2.4 多目标优化分析 | 第47-48页 |
| 2.3 搜索空间 | 第48-51页 |
| 2.3.1 旋转异构体描述 | 第48-50页 |
| 2.3.2 旋转异构体库 | 第50-51页 |
| 2.4 并行蚁群解决方案 | 第51-57页 |
| 2.4.1 单蚁群设计及实现 | 第52-54页 |
| 2.4.2 并行蚁群设计及实现 | 第54-55页 |
| 2.4.3 局部优化 | 第55-57页 |
| 2.5 实验与分析 | 第57-64页 |
| 2.5.1 基于蛋白质的比较结果 | 第58-59页 |
| 2.5.2 基于残基的比较结果分析 | 第59-61页 |
| 2.5.3 旋转异构体最小化分析 | 第61-62页 |
| 2.5.4 实验结果讨论 | 第62-64页 |
| 2.6 本章小结 | 第64-65页 |
| 第三章 基于低精度结构的蛋白质稳定性变化预测 | 第65-93页 |
| 3.1 引言 | 第65-67页 |
| 3.2 数据集构建 | 第67-69页 |
| 3.2.1 稳定性变化计算 | 第67-68页 |
| 3.2.2 数据集分布 | 第68-69页 |
| 3.3 基于序列的特征参数 | 第69-72页 |
| 3.3.1 位置特异性得分矩阵 | 第69-72页 |
| 3.3.2 局部结构属性 | 第72页 |
| 3.4 基于模板的结构参数 | 第72-74页 |
| 3.4.1 基于BLOSUM的MTA属性 | 第73页 |
| 3.4.2 基于正交模分析法的MTA属性 | 第73-74页 |
| 3.5 基于I-TASSER模型的结构参数 | 第74-77页 |
| 3.5.1 基于知识的原子相互作用势能 | 第74-76页 |
| 3.5.2 基于物理力场的能量 | 第76-77页 |
| 3.5.3 基于经验力场的能量 | 第77页 |
| 3.6 迭代决策树的回归策略 | 第77-80页 |
| 3.6.1 GBRT算法介绍 | 第77-79页 |
| 3.6.2 STRUM的GBRT构建 | 第79-80页 |
| 3.7 实验与分析 | 第80-91页 |
| 3.7.1 评价标准 | 第80页 |
| 3.7.2 Q3421数据集测试STRUM | 第80-82页 |
| 3.7.3 STRUM与其它方法的比较 | 第82-86页 |
| 3.7.4 p53盲预测 | 第86页 |
| 3.7.5 实验结果讨论 | 第86-91页 |
| 3.8 本章小结 | 第91-93页 |
| 第四章 基于BioUnit结构的疾病相关突变预测 | 第93-117页 |
| 4.1 引言 | 第93-95页 |
| 4.2 数据集构建 | 第95-97页 |
| 4.2.1 实验数据库和映射SQL数据库 | 第95-96页 |
| 4.2.2 训练数据集和测试数据集 | 第96-97页 |
| 4.3 贝叶斯人工神经网络模型 | 第97-100页 |
| 4.3.1 基于贝叶斯分类器的打分函数 | 第97-98页 |
| 4.3.2 基于人工神经网络的参数设置 | 第98-100页 |
| 4.4 基于物理化学的特征 | 第100-103页 |
| 4.4.1 药效团向量 | 第100-102页 |
| 4.4.2 进化信息 | 第102-103页 |
| 4.5 基于BioUnit的特征 | 第103-104页 |
| 4.5.1 功能位点判定 | 第103-104页 |
| 4.5.2 突变位置的环境描述 | 第104页 |
| 4.6 基于I-TASSER模型的特征 | 第104-106页 |
| 4.6.1 突变残基的集合位置 | 第105-106页 |
| 4.6.2 能量函数 | 第106页 |
| 4.7 实验与分析 | 第106-116页 |
| 4.7.1 评价标准 | 第106-107页 |
| 4.7.2 结构模型的准确度 | 第107-108页 |
| 4.7.3 对数据集D9165的统计分析 | 第108-113页 |
| 4.7.4 PreDAM算法性能评估 | 第113-116页 |
| 4.8 本章小结 | 第116-117页 |
| 第五章 在线结构预测服务建设 | 第117-124页 |
| 5.1 引言 | 第117页 |
| 5.2 分布式计算框架 | 第117-118页 |
| 5.3 STRUM在线服务 | 第118-120页 |
| 5.4 PreDAM在线服务 | 第120-123页 |
| 5.5 小结 | 第123-124页 |
| 第六章 总结与展望 | 第124-128页 |
| 6.1 工作总结 | 第124-126页 |
| 6.2 研究展望 | 第126-128页 |
| 参考文献 | 第128-143页 |
| 发表文章目录及科研项目 | 第143-144页 |
| 致谢 | 第144-146页 |
