论文目录 | |
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第一章 绪论 | 第14-29页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 蛋白质翻译后修饰预测研究现状 | 第15-20页 |
| 1.3 药物重定位的计算方法研究现状 | 第20-21页 |
| 1.4 交叉验证与评价指标 | 第21-22页 |
| 1.4.1 交叉验证 | 第21页 |
| 1.4.2 实验结果评价 | 第21-22页 |
| 1.5 生物信息学数据库介绍 | 第22-26页 |
| 1.5.1 核苷酸数据库 | 第22-23页 |
| 1.5.2 蛋白质数据库 | 第23-24页 |
| 1.5.3 分子相互作用数据库 | 第24页 |
| 1.5.4 PTM数据库 | 第24-26页 |
| 1.6 论文的主要研究内容 | 第26-29页 |
| 第二章 基于核稀疏表示分类和mRMR算法的蛋白质亚硝基化修饰位点预测 | 第29-47页 |
| 2.1 引言 | 第29-31页 |
| 2.2 数据 | 第31页 |
| 2.3 方法 | 第31-38页 |
| 2.3.1 特征提取 | 第32-33页 |
| 2.3.2 mRMR算法 | 第33-34页 |
| 2.3.3 IFS算法 | 第34-35页 |
| 2.3.4 KSRC算法 | 第35-38页 |
| 2.4 实验结果与讨论 | 第38-44页 |
| 2.4.1 优化特征集 | 第38-41页 |
| 2.4.2 与其它方法比较 | 第41-43页 |
| 2.4.3 在独立测试集上比较 | 第43-44页 |
| 2.5 预测软件SNOPred | 第44-46页 |
| 2.5.1 Window用户 | 第44-45页 |
| 2.5.2 Linux用户 | 第45-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第三章 基于一类k-最近邻算法的赖氨酸氨甲酰化修饰位点预测 | 第47-62页 |
| 3.1 前言 | 第47页 |
| 3.2 数据 | 第47-49页 |
| 3.3 方法 | 第49-51页 |
| 3.3.1 特征提取及特征标识说明 | 第49-50页 |
| 3.3.2 二阶段特征选择 | 第50页 |
| 3.3.3 一类k-最近邻算法 | 第50-51页 |
| 3.4 实验结果 | 第51-55页 |
| 3.4.1 参数优化 | 第52-53页 |
| 3.4.2 特征优化 | 第53-54页 |
| 3.4.3 与其它二分类算法比较 | 第54-55页 |
| 3.5 讨论 | 第55-61页 |
| 3.5.1 PSSM conservation scores特征分析 | 第56页 |
| 3.5.2 Amino acid factors和secondary structures特征分析 | 第56-57页 |
| 3.5.3 其它特征分析 | 第57-59页 |
| 3.5.4 与乙酰化、泛素化、SUMO化修饰比较 | 第59-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第四章 人类膜蛋白多标签类型的预测 | 第62-79页 |
| 4.1 引言 | 第62-64页 |
| 4.2 数据与方法 | 第64-71页 |
| 4.2.1 数据 | 第65页 |
| 4.2.2 预测方法 | 第65-69页 |
| 4.2.3 预测结果评价 | 第69-71页 |
| 4.3 结果及讨论 | 第71-78页 |
| 4.3.1 BLAST/PSI-BLAST方法的E-value选择 | 第71页 |
| 4.3.2 单个方法和组合方法预测性能 | 第71-73页 |
| 4.3.3 与其它方法比较 | 第73-76页 |
| 4.3.4 讨论 | 第76-78页 |
| 4.4 本章小结 | 第78-79页 |
| 第五章 基于化合物相互作用及结构相似性预测药物适应症 | 第79-97页 |
| 5.1 前言 | 第79-80页 |
| 5.2 数据 | 第80-84页 |
| 5.2.1 训练集 | 第80-82页 |
| 5.2.2 独立测试集 | 第82-84页 |
| 5.3 方法 | 第84-85页 |
| 5.3.1 基于化合物相互作用的预测 | 第84-85页 |
| 5.3.2 基于结构相似性的预测 | 第85页 |
| 5.3.3 基于化合物相互作用和结构相似性的预测 | 第85页 |
| 5.4 预测结果评价 | 第85-87页 |
| 5.5 实验结果及讨论 | 第87-95页 |
| 5.5.1 参数优化 | 第87-88页 |
| 5.5.2 在数据集2DS上5折交叉验证 | 第88-92页 |
| 5.5.3 方法比较 | 第92-93页 |
| 5.5.4 独立数据集上测试 | 第93-94页 |
| 5.5.5 案例分析 | 第94-95页 |
| 5.6 本章小结 | 第95-97页 |
| 第六章 基于化合物-化合物相互作用预测癌症药物 | 第97-109页 |
| 6.1 前言 | 第97页 |
| 6.2 数据与方法 | 第97-102页 |
| 6.2.1 数据 | 第97-99页 |
| 6.2.2 预测方法 | 第99-101页 |
| 6.2.3 实验结果评价 | 第101-102页 |
| 6.3 实验结果与讨论 | 第102-107页 |
| 6.3.1 与其它方法比较 | 第104-106页 |
| 6.3.2 讨论 | 第106-107页 |
| 6.4 本章小结 | 第107-109页 |
| 第七章 结论与展望 | 第109-112页 |
| 7.1 结论 | 第109-110页 |
| 7.2 展望 | 第110-112页 |
| 参考文献 | 第112-134页 |
| 在攻读博士学位期间公开发表的论文 | 第134-136页 |
| 作者在攻读博士学位期间所参与的项目 | 第136-137页 |
| 致谢 | 第137-138页 |
| 附录mRMR算法的特征输出顺序 | 第138-150页 |
