声明
第 1 章 绪论
1.1 研究背景
1.2 课题的研究意义
1.3 研究内容概述
1.4 本文的组织结构
第 2 章 相关研究和知识
2.1 国内外研究现状
2.1.1 基于团和密度子图的方法
2.1.2 基于核-附属结构的方法
2.1.3 基于模型的方法
2.1.4 基于层次聚类的方法
2.1.5 基于种子延伸的方法
2.1.6 基于有监督学习的方法
2.1.7 基于生物数据驱动的方法
2.1.8 基于动态蛋白质相互作用网络的方法
2.1.9 基于其它类型算法的方法
2.2 蛋白质相互作用网络的拓扑特征
2.3 蛋白质相互作用网络的生物特征
2.4 问题描述
第 3章 基于核-附属结构的蛋白质复合物识别方法
3.1 引言
3.2 EWCA 算法
3.2.1 构造一个权重蛋白质相互作用网络
3.2.2 识别蛋白质复合物的核
3.2.3 识别附属蛋白质
3.2.4 识别蛋白质复合物
3.2.5 时间复杂度分析
3.3 实验设计
3.3.1 实验数据
3.3.2 评估方法
3.4 实验结果与分析
3.4.1 比较不同算法的对比结果
3.4.2 功能富集度分析的对比结果
3.4.3 参数选择
3.4.4 EWCA 算法求解精度和效率对比结果
3.5 本章小结
第 4章 基于种子延伸的蛋白质复合物识别方法
4.1 引言
4.2 SE-DMTG 算法
4.2.1 构建一个权重蛋白质相互作用网络
4.2.2 构造一个种子队列
4.2.3 定义蛋白质复合物模型
4.2.4 种子延伸算法
4.2.5 识别蛋白质复合物
4.2.6 时间复杂度分析
4.3 实验设计
4.3.1 实验数据
4.3.2 评估方法
4.4 实验结果与分析
4.4.1 基于计算指标的对比结果
4.4.2 功能富集度分析的对比结果
4.4.3 有生物学意义的例子
4.4.4 讨论蛋白质复合物的大小和 p-value 的关系
4.5 本章小结
第 5章 基于贪婪启发式搜索的蛋白质复合物识别方法
5.1 引言
5.2 MPC-C 算法
5.2.1 构造一个概率动态蛋白质相互作用网络
5.2.2 构造权重蛋白质相互作用网络
5.2.3 初始集合簇的产生
5.2.4 挖掘一个蛋白质复合物的过程
5.2.5 识别蛋白质复合物
5.2.6 时间复杂度分析
5.3 实验设计
5.3.1 实验数据
5.3.2 评估方法
5.3.3 生物相关评价指标
5.4 实验结果与分析
5.4.1 基于计算指标的对比结果
5.4.2 不同模型性能的对比结果
5.4.3 基于生物相关评价指标的对比结果
5.5 本章小结
第 6章 总结与展望
6.1 研究总结和创新点
6.2 未来研究展望
参考文献
作者简介及科研成果
致谢
吉林大学;
