基于机器学习的蛋白质相互作用与功能预测2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

基于机器学习的蛋白质相互作用与功能预测PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 研究背景1

1.1.1 生物信息学概述2

1.1.2 后基因组时代与蛋白质组学3

1.1.3 蛋白质序列、结构和功能之间的关系4

1.1.4 蛋白质相互作用与功能7

1.1.5 机器学习在生物信息学中的应用8

1.2 研究目的和意义9

1.3 研究内容和成果11

1.4 本书的章节安排13

第2章 基础知识与研究进展16

2.1 蛋白质相互作用位点预测16

2.2 蛋白质相互作用能量热点预测17

2.2.1 能量热点的定义17

2.2.2 能量热点的识别18

2.2.3 现有的计算识别方法20

2.3 蛋白质相互作用预测23

2.4 蛋白质功能预测23

2.4.1 蛋白质功能描述24

2.4.2 已有蛋白质功能预测方法26

第3章 蛋白质相互作用位点预测29

3.1 基于集成学习的相互作用位点预测30

3.1.1 实验数据集30

3.1.2 性能评价指标32

3.1.3 基于自协方差的特征生成32

3.1.4 支持向量机35

3.1.5 子集成分类器38

3.1.6 基于加权投票的子集成分类器融合40

3.1.7 实验结果及分析41

3.1.8 识别潜在药物标靶52

3.2 基于结构邻居模板的相互作用界面预测54

3.2.1 蛋白质结构比对55

3.2.2 蛋白质结构相似度评估56

3.2.3 结构邻居搜索58

3.2.4 基于结构邻居模板的预测算法59

3.2.5 实验结果与分析60

3.2.6 相互作用位点预测Web服务器62

3.3 本章小结66

第4章 蛋白质相互作用能量热点预测67

4.1 基于半监督学习的能量热点预测67

4.1.1 半监督学习67

4.1.2 迭代半监督支持向量机71

4.1.3 特征提取73

4.1.4 实验结果与分析75

4.1.5 案例研究80

4.2 基于结构邻居特征和集成学习的能量热点预测81

4.2.1 残基特征获取81

4.2.2 结构邻居特征84

4.2.3 基于随机森林的特征选择87

4.2.4 集成预测模型88

4.2.5 实验结果与分析89

4.2.6 能量热点预测Web服务器97

4.3 本章小结98

第5章 基于结构的全基因组蛋白质相互作用预测100

5.1 基于贝叶斯网络的预测模型101

5.1.1 贝叶斯网络101

5.1.2 蛋白质结构与结构域102

5.1.3 结构邻居与复合物模板103

5.1.4 非结构信息103

5.1.5 基于结构的相互作用集成预测模型104

5.2 实验结果与分析109

5.2.1 参考数据集109

5.2.2 与已有方法比较109

5.2.3 案例分析113

5.3 蛋白质相互作用数据库115

5.4 本章小结115

第6章 蛋白质功能预测117

6.1 基于序列组成信息的蛋白质功能预测118

6.1.1 蛋白质序列基本组成模块118

6.1.2 基于LSA和NMF的特征提取方法119

6.1.3 实验结果与分析120

6.2 基于结构比对和多数据源的蛋白质功能预测125

6.2.1 基于结构邻居的功能预测方法125

6.2.2 基于朴素贝叶斯和多数据源的集成功能预测方法128

6.2.3 蛋白质功能预测性能评估策略129

6.2.4 蛋白质功能语义相似分数130

6.2.5 实验结果及分析131

6.2.6 案例分析135

6.3 本章小结135

第7章 总结与展望137

7.1 本书工作总结137

7.2 未来研究展望139

参考文献140

后记162