目 錄
摘 要 V
Abstract VII
目 錄 X
第一章 緒論 1
1.1 生物信息學簡介 1
1.1.1 生物信息學的含義 1
1.1.2 生物信息學的研究意義 1
1.1.3 生物信息學的研究內容 2
1.1.4 常用生物信息學數據庫 3
1.2 數據挖掘簡介 4
1.2.1 數據挖掘的含義 4
1.2.2 數據挖掘系統(tǒng)的組成 5
1.2.3 數據挖掘與數學模型的關系 5
1.2.4 數據挖掘與經典統(tǒng)計分析的關系 6
1.2.5 數據挖掘的流程 6
1.3 涉及的計算機常識 7
1.3.1 Java語言 7
1.3.2 Swing技術 8
1.3.3 XML 8
1.4 本文的主要內容 9
第二章 常用數據挖掘算法 10
2.1 基本算法 10
2.1.1 最近鄰算法 10
2.1.2 人工神經網絡算法 10
2.1.3 支持向量機算法 12
2.1.3.1 統(tǒng)計學習理論 12
2.1.3.2 支持向量分類算法 14
2.1.3.3 常用核函數 18
2.1.4 決策樹算法 18
2.1.4.1 C4.5算法 20
2.1.4.2 隨機森林算法 20
2.1.5 貝葉斯網絡算法 20
2.2 集成學習算法 21
2.2.1 Boosting和AdaBoost算法 22
2.2.2 Bagging算法 23
2.3 特征選擇算法 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 本章小結 27
第三章 小分子的參數表征研究 28
3.1 引言 28
3.2 商業(yè)軟件 28
3.2.1 HyperChem 28
3.2.2 ChemOffice 30
3.3 開源軟件 31
3.3.1 小分子官能團組成 31
3.3.2 CDK 32
3.4 ChemAxon 34
3.4.1 ChemAxon及其產品簡介 34
3.4.1.1 ChemAxon簡介 34
3.4.1.2 Marvin簡介 35
3.4.1.3 JChem簡介 36
3.4.2 JChem for Excel的簡介 37
3.4.3 Calculator Plugins的簡介 38
3.4.4國內外使用ChemAxon的概況 41
3.4.4.1 國內使用情況 41
3.4.4.2 國外使用情況 42
3.4.5 基于Calculator Plugins的二次開發(fā) 44
3.4.5.1 程序的簡介 44
3.4.5.2 對計算分子的預處理 45
3.4.5.3 程序的實現原理 46
3.4.5.4 程序的使用方法 47
3.5 本章小結 48
第四章 小分子參與代謝途徑類型研究 49
4.1 引言 49
4.2小分子參與脂類代謝途徑的子類型預測 51
4.2.1 研究背景 51
4.2.2 數據準備 52
4.2.3 結果與討論 55
4.2.3.1 特征選擇 55
4.2.3.2 模型的建立與評估 55
4.2.3.3 特征分析 58
4.3 小分子參與單途徑代謝的類型預測 59
4.3.1 研究背景 59
4.3.2 數據準備 60
4.3.3 結果與討論 63
4.3.3.1 特征選擇 63
4.3.3.2 模型的建立與評估 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 與使用官能團組成結果的比較 74
4.3.4 在線預測服務 75
4.3.4.1 實現在線預測服務的意義 75
4.3.4.2 在線預測服務的實現原理 76
4.3.4.3 在線預測服務的內容 77
4.4 本章小結 78
第五章 小分子與酶的相互作用研究 80
5.1 引言 80
5.2 蛋白質的表征方法 81
5.2.1 氨基酸組成 82
5.2.2 擬氨基酸組成 83
5.2.3 氨基酸的組成和分布 84
5.3 數據準備 85
5.3.1 數據的獲取 85
5.3.2 參數表征 86
5.4 結果與討論 87
5.4.1 特征選擇 88
5.4.2 模型的建立和評估 89
5.4.3 特征分析 90
5.5 本章小結 92
第六章 投票法預測蛋白質與RNA的相互作用 93
6.1 引言 93
6.2 數據準備 95
6.3 投票算法 97
6.4 結果與討論 98
6.4.1 投票使用的分類器 98
6.4.2 單一分類器的預測結果 99
6.4.3 投票算法的預測結果 104
6.4.4 算法選擇分析 106
6.5 本章小結 107
第七章 總結與展望 109
7.1 全文總結 109
7.2 工作展望 110
參考文獻 112
攻讀博士學位期間發(fā)表的論文 130
攻讀博士學位期間參與的項目 131
致 謝 132