数据挖掘方法用于参与代谢的小分子生物学功能预测研究.rar

目 录
摘 要 V
Abstract VII
目 录 X
第一章 绪论 1
1.1 生物信息学简介 1
1.1.1 生物信息学的含义 1
1.1.2 生物信息学的研究意义 1
1.1.3 生物信息学的研究内容 2
1.1.4 常用生物信息学数据库 3
1.2 数据挖掘简介 4
1.2.1 数据挖掘的含义 4
1.2.2 数据挖掘系统的组成 5
1.2.3 数据挖掘与数学模型的关系 5
1.2.4 数据挖掘与经典统计分析的关系 6
1.2.5 数据挖掘的流程 6
1.3 涉及的计算机常识 7
1.3.1 Java语言 7
1.3.2 Swing技术 8
1.3.3 XML 8
1.4 本文的主要内容 9
第二章 常用数据挖掘算法 10
2.1 基本算法 10
2.1.1 最近邻算法 10
2.1.2 人工神经网络算法 10
2.1.3 支持向量机算法 12
2.1.3.1 统计学习理论 12
2.1.3.2 支持向量分类算法 14
2.1.3.3 常用核函数 18
2.1.4 决策树算法 18
2.1.4.1 C4.5算法 20
2.1.4.2 随机森林算法 20
2.1.5 贝叶斯网络算法 20
2.2 集成学习算法 21
2.2.1 Boosting和AdaBoost算法 22
2.2.2 Bagging算法 23
2.3 特征选择算法 23
2.3.1 mRMR算法 24
2.3.2 IFS算法 25
2.3.3 CFS算法 25
2.3.4 FFS算法 26
2.4 本章小结 27
第三章 小分子的参数表征研究 28
3.1 引言 28
3.2 商业软件 28
3.2.1 HyperChem 28
3.2.2 ChemOffice 30
3.3 开源软件 31
3.3.1 小分子官能团组成 31
3.3.2 CDK 32
3.4 ChemAxon 34
3.4.1 ChemAxon及其产品简介 34
3.4.1.1 ChemAxon简介 34
3.4.1.2 Marvin简介 35
3.4.1.3 JChem简介 36
3.4.2 JChem for Excel的简介 37
3.4.3 Calculator Plugins的简介 38
3.4.4国内外使用ChemAxon的概况 41
3.4.4.1 国内使用情况 41
3.4.4.2 国外使用情况 42
3.4.5 基于Calculator Plugins的二次开发 44
3.4.5.1 程序的简介 44
3.4.5.2 对计算分子的预处理 45
3.4.5.3 程序的实现原理 46
3.4.5.4 程序的使用方法 47
3.5 本章小结 48
第四章 小分子参与代谢途径类型研究 49
4.1 引言 49
4.2小分子参与脂类代谢途径的子类型预测 51
4.2.1 研究背景 51
4.2.2 数据准备 52
4.2.3 结果与讨论 55
4.2.3.1 特征选择 55
4.2.3.2 模型的建立与评估 55
4.2.3.3 特征分析 58
4.3 小分子参与单途径代谢的类型预测 59
4.3.1 研究背景 59
4.3.2 数据准备 60
4.3.3 结果与讨论 63
4.3.3.1 特征选择 63
4.3.3.2 模型的建立与评估 66
4.3.3.3 投票法模型分析 68
4.3.3.4 特征分析 70
4.3.3.5 与使用官能团组成结果的比较 74
4.3.4 在线预测服务 75
4.3.4.1 实现在线预测服务的意义 75
4.3.4.2 在线预测服务的实现原理 76
4.3.4.3 在线预测服务的内容 77
4.4 本章小结 78
第五章 小分子与酶的相互作用研究 80
5.1 引言 80
5.2 蛋白质的表征方法 81
5.2.1 氨基酸组成 82
5.2.2 拟氨基酸组成 83
5.2.3 氨基酸的组成和分布 84
5.3 数据准备 85
5.3.1 数据的获取 85
5.3.2 参数表征 86
5.4 结果与讨论 87
5.4.1 特征选择 88
5.4.2 模型的建立和评估 89
5.4.3 特征分析 90
5.5 本章小结 92
第六章 投票法预测蛋白质与RNA的相互作用 93
6.1 引言 93
6.2 数据准备 95
6.3 投票算法 97
6.4 结果与讨论 98
6.4.1 投票使用的分类器 98
6.4.2 单一分类器的预测结果 99
6.4.3 投票算法的预测结果 104
6.4.4 算法选择分析 106
6.5 本章小结 107
第七章 总结与展望 109
7.1 全文总结 109
7.2 工作展望 110
参考文献 112
攻读博士学位期间发表的论文 130
攻读博士学位期间参与的项目 131
致 谢 132