声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 网络节点拓扑中心性关键蛋白质预测算法
1.2.2 多信息源融合的关键蛋白质预测算法
1.2.3 基于蛋白质属性集合的机器学习关键蛋白质预测算法
1.2.4 基于图论的蛋白质复合物预测方法
1.2.5 基于非图论的蛋白质复合物预测方法
1.3 主要研究工作
1.4 论文组织结构
第2章 蛋白质相互作用网络相关概述
2.1 蛋白质相互作用网络简介
2.2 节点中心性简介
2.3 网络聚类简介
2.4 评估方法介绍
2.4.1 关键蛋白质预测评估方法
2.4.2 蛋白质复合物预测评估方法
2.5 小结
第3章 基于局部互作密度中心性的关键蛋白质预测算法
3.1 引言
3.2 本章相关工作
3.3 基于局部互作密度中心性的关键蛋白质预测算法设计
3.3.1 局部互作密度中心性
3.3.2 算法时间复杂度分析
3.4 经典网络拓扑中心性度量方法
3.5 实验分析和讨论
3.5.1 实验数据集
3.5.2 评估区间
3.5.3 算法LID与已有网络拓扑中心性方法的比较
3.5.4 评估指标分析算法LID的性能
3.5.5 基于roc曲线下面积评估算法LID的性能
3.5.6 算法LID和已有网络拓扑中心性方法预测结果差异性分析
3.6 小结
第4章 基于融合新机制的多信息关键蛋白质预测算法
4.1 引言
4.2 本章相关工作
4.3 基于融合新机制的多信息关键蛋白质预测算法设计
4.3.1 基于融合新机制的多信息关键蛋白质预测算法LIDC
4.3.2 算法时间复杂度分析
4.4 对比实验中参照算法介绍
4.5 实验分析与讨论
4.5.1 实验数据集
4.5.2 评估区间
4.5.3 算法LIDC与已有预测算法的比较
4.5.4 基于Jackknife评估方法验证算法LIDC性能
4.5.5 基于precision-recall曲线和六种评估方法的预测性能分析
4.5.6 基于roc曲线和AUC的预测性能评估分析
4.5.7 融合新机制对预测性能影响的分析
4.5.8 算法LIDC与已有预测算法在预测结果上的差异分析
4.5.9 算法LIDC预测结果的模块性分析
4.5.10 基于大肠杆菌蛋白质相互作用网络分析算法LIDC的性能
4.6 小结
第5章 基于广义局部互作密度的关键蛋白质预测算法
5.1 引言
5.2 本章相关工作
5.3 基于广义局部互作密度关键蛋白质预测算法设计
5.3.1 网络节点广义局部互作密度中心性度量
5.3.2 基于广义局部互作密度关键蛋白质预测算法G-LID
5.3.3 基于广义局部互作密度的关键蛋白质预测算法时间复杂度分析
5.4 对比实验中参照算法介绍
5.5 实验分析与讨论
5.5.1 实验数据集
5.5.2 算法G-LID中参数α和β的取值范围估算
5.5.3 预测算法中参数LIDH的预测分析
5.5.4 算法G-LID与已有拓扑中心性预测结果对比分析
5.5.5 算法G-LID的参数取值α和β对预测性能影响的讨论
5.5.6 指标LIDH对算法G-LID预测性能影响的分析
5.6 小结
第6章 基于网络节点局部互作密度的蛋白质复合物预测算法
6.1 引言
6.2 本章相关工作
6.3 基于网络节点局部互作密度的蛋白质复合物预测算法设计
6.3.1 基于网络节点局部互作密度的蛋白质复合物预测算法CBLID
6.3.2 算法时间复杂度分析
6.4 对比实验中参照算法介绍
6.5 实验分析与讨论
6.5.1 实验数据集
6.5.2 算法CBLID与已有预测算法的预测结果对比分析
6.5.3 算法CBLID与已有预测算法在功能富集性上的对比分析
6.5.4 算法CBLID参数K的选择分析
6.6 小结
结论
参考文献
致谢
附录A 攻读学位期间所发表的学术论文
附录B 攻读学位期间所参加的科研项目