摘要8-10
Abstract10-12
第一章 绪论12-20
1.1 引言12-13
1.2 目前国内外探讨进展13-16
1.2.1 生物实验策略13-15
1.2.2 计算生物学策略15-16
1.3 蛋白质相互作用的探讨作用16-17
1.4 本论文探讨进度安排17-20
第二章 相关论述知识及数据库介绍20-32
2.1 蛋白质相关知识20-25
2.1.1 氨基酸20-21
2.1.2 蛋白质的结构21-25
2.2 生物学相关数据库介绍25-28
2.2.1 GenBank 数据库25-26
2.2.2 PDB 数据库26-27
2.2.3 DIP 数据库27
2.2.4 DSSP 数据库27-28
2.3 蛋白质相互作用预测的计算策略28-31
2.3.1 预测蛋白质相互作用位点的策略28-29
2.3.2 预测蛋白质-蛋白质间相互作用的策略29-31
2.4 本章小结31-32
第三章 神经网络与集成学习32-46
3.1 BP 神经网络33-34
3.2 RBF 神经网络34-35
3.3 神经网络的集成35-38
3.3.1 构造基本分类器的策略36-37
3.3.2 基本分类器的集成策略37-38
3.4 集成神经网络中各参数的优化38-43
3.4.1 GA 优化集成神经网络的策略介绍38-41
3.4.2 PSO 优化集成神经网络的策略介绍41-43
3.4.3 GA 与 PSO 浅析比价43
3.5 本章小结43-46
第四章 基于组合特点集成的蛋白质相互作用位点预测46-54
4.1 数据来源46-47
4.2 特点提取47-48
4.3 蛋白质相互作用界面残基的定义48-49
4.4 样本集创建49-50
4.5 RBF 集成神经网络构建50-51
4.6 实验结果浅析51-53
4.6.1 系统评价参数51-52
4.6.2 预测结果及浅析52-53
4.7 本章小结53-54
第五章 基于集成神经网络的蛋白质-蛋白质间相互作用预测54-70
5.1 数据来源54-55
5.2 N 间隔二联体特点提取法55-57
5.3 蛋白质-蛋白质相互作用的编码方式探讨57-59
5.3.1 向量加法编码58
5.3.2 向量减法编码58
5.3.3 核函数编码58-59
5.3.4 直接串联编码59
5.4 基于 BP 神经网络集成的蛋白质-蛋白质相互作用预测59-64
5.4.1 样本集创建59-60
5.4.2 BP 集成神经网络构建60-61
5.4.3 实验结果浅析61-64
5.5 基于 RBF 神经网络集成的蛋白质-蛋白质相互作用预测64-68
5.5.1 样本集创建64
5.5.2 RBF 神经网络构建64-66
5.5.3 实验结果浅析66-68
5.6 本章小结68-70
第六章 总结与展望70-74
6.1 本论文主要探讨成果革新70-71
6.2 探讨不足与展望71-74