發(fā)布時間：2021-04-20 14:41

　　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）幾乎控制所有細胞過程,對生物體內(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的執(zhí)行機制,也能夠為疾病形成與發(fā)展、藥物設(shè)計等提供重要理論支撐。傳統(tǒng)生物實驗每次能夠測定的蛋白質(zhì)對數(shù)目有限,且時間等花銷較大,存在局限性。相比之下,使用計算的方法具有省時省力且靈活性高的特點,因此受到了較多關(guān)注,其中,基于機器學習的計算方法已成為了研究熱點。在后基因組時代,基因序列數(shù)據(jù)等資源豐富,為基于機器學習方法預測蛋白質(zhì)間相互作用關(guān)系的廣泛應用奠定了基礎(chǔ),眾多預測方法應運而生。隨著機器學習算法的發(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)互作預測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)進行預測并沒有統(tǒng)一標準,且不同的特征提取方法與分類器之間常互相限制,當替換分類器時有時需要同時更換數(shù)據(jù)和特征提取方法才能夠維持好的預測性能。針對這些問題,本文提出了基于深度神經(jīng)網(wǎng)絡和基于集成學習模型的兩種PPI預測方法�；谏疃壬窠�(jīng)網(wǎng)絡的PPI預測... 

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

【文章頁數(shù)】：55 頁

【學位級別】：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)相互作用預測概述
    2.1 蛋白質(zhì)相互作用簡介
    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
        2.2.2 基因本體論
    2.3 算法性能評估
    2.4 本章小結(jié)
第3章 基于深度神經(jīng)網(wǎng)絡的蛋白質(zhì)間相互作用預測方法
    3.1 深度神經(jīng)網(wǎng)絡
    3.2 算法設(shè)計
        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
    3.3 實驗結(jié)果分析
    3.4 本章小結(jié)
第4章 基于集成學習的蛋白質(zhì)間相互作用預測方法
    4.1 集成學習和隨機森林
    4.2 連續(xù)小波變換及尺度-小波能量譜
    4.3 算法設(shè)計
        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 建立學習模型
    4.4 實驗結(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
作者簡介及在學期間所取得的科研成果
致謝


【參考文獻】：
碩士論文
[1]基于序列與支持向量機預測蛋白質(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 2013



本文編號：3149871