蛋白質(zhì)是生命的物質(zhì)基礎(chǔ)之一,其相互作用（protein-protein interaction,PPI）幾乎控制所有細(xì)胞過程,對(duì)生物體內(nèi)各種生理功能的執(zhí)行發(fā)揮著至關(guān)重要的作用,掌握這種作用關(guān)系不僅有助于理解生命活動(dòng)的執(zhí)行機(jī)制,也能夠?yàn)榧膊⌒纬膳c發(fā)展、藥物設(shè)計(jì)等提供重要理論支撐。傳統(tǒng)生物實(shí)驗(yàn)每次能夠測(cè)定的蛋白質(zhì)對(duì)數(shù)目有限,且時(shí)間等花銷較大,存在局限性。相比之下,使用計(jì)算的方法具有省時(shí)省力且靈活性高的特點(diǎn),因此受到了較多關(guān)注,其中,基于機(jī)器學(xué)習(xí)的計(jì)算方法已成為了研究熱點(diǎn)。在后基因組時(shí)代,基因序列數(shù)據(jù)等資源豐富,為基于機(jī)器學(xué)習(xí)方法預(yù)測(cè)蛋白質(zhì)間相互作用關(guān)系的廣泛應(yīng)用奠定了基礎(chǔ),眾多預(yù)測(cè)方法應(yīng)運(yùn)而生。隨著機(jī)器學(xué)習(xí)算法的發(fā)展,模型的性能得到了持續(xù)的提升,但是一些新的模型在蛋白質(zhì)互作預(yù)測(cè)研究中卻并未得到充分利用。其次,生物數(shù)據(jù)類別較多,如何充分利用已有數(shù)據(jù)進(jìn)行預(yù)測(cè)并沒有統(tǒng)一標(biāo)準(zhǔn),且不同的特征提取方法與分類器之間常互相限制,當(dāng)替換分類器時(shí)有時(shí)需要同時(shí)更換數(shù)據(jù)和特征提取方法才能夠維持好的預(yù)測(cè)性能。針對(duì)這些問題,本文提出了基于深度神經(jīng)網(wǎng)絡(luò)和基于集成學(xué)習(xí)模型的兩種PPI預(yù)測(cè)方法�；谏疃壬窠�(jīng)網(wǎng)絡(luò)的PPI預(yù)測(cè)... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文的組織結(jié)構(gòu)
第2章 蛋白質(zhì)相互作用預(yù)測(cè)概述
    2.1 蛋白質(zhì)相互作用簡(jiǎn)介
    2.2 常用數(shù)據(jù)資源
        2.2.1 蛋白質(zhì)相互作用數(shù)據(jù)庫(kù)
        2.2.2 基因本體論
    2.3 算法性能評(píng)估
    2.4 本章小結(jié)
第3章 基于深度神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)間相互作用預(yù)測(cè)方法
    3.1 深度神經(jīng)網(wǎng)絡(luò)
    3.2 算法設(shè)計(jì)
        3.2.1 算法流程
        3.2.2 數(shù)據(jù)集
        3.2.3 構(gòu)建特征向量
        3.2.4 建立神經(jīng)網(wǎng)絡(luò)
    3.3 實(shí)驗(yàn)結(jié)果分析
    3.4 本章小結(jié)
第4章 基于集成學(xué)習(xí)的蛋白質(zhì)間相互作用預(yù)測(cè)方法
    4.1 集成學(xué)習(xí)和隨機(jī)森林
    4.2 連續(xù)小波變換及尺度-小波能量譜
    4.3 算法設(shè)計(jì)
        4.3.1 算法流程
        4.3.2 數(shù)據(jù)集
        4.3.3 構(gòu)建特征向量
        4.3.4 建立學(xué)習(xí)模型
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)介及在學(xué)期間所取得的科研成果
致謝


【參考文獻(xiàn)】：
碩士論文
[1]基于序列與支持向量機(jī)預(yù)測(cè)蛋白質(zhì)相互作用的數(shù)據(jù)集構(gòu)造與精度分析[D]. 王彬.華南理工大學(xué) 2013



本文編號(hào)：3149871