声明
摘要
插图目录
表格目录
1绪论
1.1引言
1.2蛋白质与配体相互作用及绑定位点概述
1.2.1蛋白质及功能
1.2.2蛋白质与配体之间的分子识别
1.2.3蛋白质与配体相互作用
1.2.4蛋白质与配体的绑定位点
1.2.5绑定位点的配体特异性
1.3识别蛋白质与配体绑定位点的生物实验方法
1.4蛋白质相关数据库
1.5研究内容与创新点
1.6内容安排
2蛋白质与配体绑定位点预测中的生物计算方法
2.1引言
2.2基于计算方法的蛋白质与配体绑定位点预测
2.2.1基于结构的预测方法
2.2.2基于序列的预测方法
2.2.3基于结构与序列的混合预测方法
2.3支持向量机算法简介
2.4预测性能评价指标
2.5实验验证方法
2.6需要解决的主要问题
2.7本章小结
3基于类不平衡学习的预测方法
3.1引言
3.2特征表示
3.2.1位置特异性得分矩阵特征
3.2.2预测的蛋白质二级结构信息特征
3.2.3配体特异性绑定倾向性信息特征
3.3基于随机下采样的支持向量机分类器集成方法
3.4有监督的上采样方法
3.5实验与讨论
3.5.1实验数据
3.5.2参数配置
3.5.3基于随机下采样的支持向量机分类器集成方法中的集成策略比较
3.5.4有监督的上采样方法与己有的上采样方法的比较
3.5.5 TargetATP与已有预测方法的比较
3.5.6 TargetS与已有预测方法的比较
3.5.7 TargetSOS与已有预测方法的比较
3.5.8 TargetATP、TargteS与TargetSOS的比较
3.6本章小结
4基于特征学习的预测方法
4.1引言
4.2特征表示
4.2.1 TargetATPsite的特征表示
4.2.2 TargetVita的特征表示
4.2.3 TargetDNA的特征表示
4.3稀疏表示算法与TargetATPsite
4.3.1稀疏表示
4.3.2 TargetATPsite
4.4联合拉普拉斯特征权重学习算法与TargetVita
4.4.1联合拉普拉斯特征权重学习算法
4.4.2 TargetVita
4.5中心化线性核目标对齐算法与TargetDNA
4.5.1中心化线性核目标对齐算法
4.5.2 TargetDNA
4.6实验与讨论
4.6.1实验数据
4.6.2稀疏表示的有效性验证
4.6.3联合拉普拉斯特征权重学习算法与已有特征选择算法的比较
4.6.4中心化线性核目标对齐算法有效性验证
4.6.5 TargetATPsite与已有预测方法的比较
4.6.6 TargetVita与已有预测方法的比较
4.6.7 TargetDNA与已有预测方法的比较
4.7本章小结
5基于查询驱动模型的预测方法
5.1引言
5.2 OSML预测方法
5.3 TargetNUCs预测方法
5.4 TargetLBS预测方法
5.5实验与讨论
5.5.1实验数据
5.5.2 OSML与静态预测方法比较
5.5.3 OSML与已有预测方法的比较
5.5.4动态查询驱动样本调节算法参数的鲁棒性验证
5.5.5 TargetNUCs与已有预测方法的比较
5.5.6 TargetLBS与数据库更新年份的关系
5.5.7 TargetLBS与已有预测方法的比较
5.6本章小结
6总结与展望
6.1总结
6.2未来展望
致谢
参考文献
附录