声明
1 绪论
1.1 蛋白质复合物预测概述
1.2 基于计算的蛋白质复合物预测方法
1.2.1 基于网络结构信息聚类的方法
1.2.2 结合生物信息聚类的方法
1.3 本文的研究动机与主要贡献
1.4 本文的组织结构
2 相关技术
2.1 网络嵌入
2.1.1 基本概念
2.1.2 基于网络结构的网络嵌入方法
2.1.2 使用附加信息的网络嵌入方法
2.2 深度学习
2.2.1 深度学习的发展
2.2.2 自编码器简介
2.3 本章小结
3 基于深度网络嵌入的复合物预测方法
3.1 方法流程
3.2 基于属性网络的嵌入过程
3.2.1 提取网络结构信息
3.2.2 提取节点属性信息
3.2.3 避免过拟合
3.3 基于核心-附属结构的聚类过程
3.3.1 复合物核心挖掘
3.3.2 附属蛋白质添加
3.4 实验验证
3.4.1 实验数据集
3.4.2 评价标准
3.4.3 性能评估
3.4.4 生物意义评估
3.4.5 参数调研
3.5 本章小结
4 基于邻居相似性网络嵌入的复合物预测方法
4.1 方法流程
4.2 基于邻居相似性的嵌入过程
4.2.1 提取节点属性信息
4.2.2 提取局部结构信息
4.2.3 提取全局结构信息
4.2.4 避免过拟合
4.3 基于Kose算法的聚类过程
4.3.1 利用Kose算法挖掘核心蛋白质团
4.3.2 基于连接系数添加附属蛋白质
4.4 实验验证
4.4.1 实验条件
4.4.2 性能评估
4.4.3 生物意义评估
4.4.4 参数调研
4.4 本章小结
结论
参 考 文 献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书