文摘
英文文摘
第一章 引言
第一节 研究背景
1.1.1 生物信息学简介
1.1.2 突变的生物学背景
1.1.3 突变的生物信息学研究内容与现状
第二节 研究目的、意义与论文内容安排
1.2.1 研究目的
1.2.2 研究意义
1.2.3 论文内容安排及说明
第二章 HERG模型与突变数据库研究
第一节 人类变异组计划及其进展
2.1.1 人类变异组计划的历史与背景
2.1.2 人类变异组计划的主要内容
2.1.3 人类变异组计划的主要进展
2.1.4 小结
第二节 突变数据库的整合与标准化
2.2.1 突变数据库的简单分类
2.2.2 突变数据库整合的目标
2.2.3 异种数据库的整合方式
2.2.4 突变数据库整合与标准化的关系
第三节 HERG模型及在分子生物学数据库标准化中的作用
2.3.1 当前主要的数据模型
2.3.2 HERG模型
2.3.3 HERG模型的简单应用
本章发表的论文
第三章 基于打分矩阵内核的SVM预测蛋白质点突变效果
第一节 基于序列的机器学习预测方法
3.1.1 蛋白质序列的采样
3.1.2 样本的特征提取与编码
3.1.3 特征选择
第二节 分类/预测的性能评价
3.2.1 数据集的划分与验证方法
3.2.2 性能度量指标
第三节 基于打分矩阵内核的支持向量机
3.3.1 支持向量机算法的主要特点
3.3.2 核函数的构造与模型选择
3.3.3 基于打分矩阵的核函数
第四节 三种支持向量机预测蛋白质点突变效果
3.4.1 数据预处理与正负样本定义
3.4.2 三种支持向量机
3.4.3 主要结果
3.4.4 应用举例
第五节 讨论
3.5.1 打分矩阵核函数的理论基础
3.5.2 打分矩阵核函数的信息论解释
3.5.3 基于序列的保守性信息的应用
3.5.4 训练集与测试集的划分
本章发表的论文
第四章 结论与展望
第一节 全文结论及存在问题
4.1.1 HERG模型与突变数据库研究方面
4.1.2 蛋白质点突变效果预测方面
第二节 创新点
第三节 未来工作
4.3.1 HERG模型与突变数据库研究方面
4.3.2 蚩白质点突变效果预测方面
参考文献
致谢
附录 及附表
附录 A机器学习与支持向量机简介
附录 B典型的综合性突变数据库介绍
附录 C HERG模型的XML Schema文件
附表1 本文2.3.3中用到的132个数据库
个人简历、在学期间发表的学术论文与研究成果
南开大学;