基于数据挖掘技术的蛋白质结构分类的研究

论文摘要

蛋白质结构分类分为多个层次,如何对蛋白质结构进行定量分类和自动分析是目前研究的重点。本文选择蛋白质二级结构数据为主要的研究对象,应用数据挖掘技术和机器学习中的动态规划理论进行蛋白质结构分类。介绍一种新的蛋白质结构分类方法——PSSC,该方法的核心算法是STRIDE算法和ISSA算法,核心步骤是创建分类模型。该分类模型包括构建CATH分类树、计算蛋白质结构相似度、利用统计方法制定分类标准三步。在对蛋白质结构进行四个层次的分类中,应用已有的RMBS、Z-Score结构比对算法和本文新提出的ISSA结构比对算法获得分类参数。最后,介绍自行开发的PSSC分类科学计算软件,并指出需要完善之处和解决方案。

论文目录

• 前言
• 第一章 概述
• 1.1 引言
• 1.2 生物信息学研究热点——蛋白质结构
• 1.2.1 生物信息学概况
• 1.2.2 蛋白质结构分类
• 1.2.3 蛋白质结构数据库与数据特点
• 1.2.4 蛋白质结构分类研究现状
• 1.3 计算机技术在生物信息学中的应用
• 1.3.1 数据挖掘技术
• 1.3.2 机器学习方法
• 1.4 小结
• 第二章 蛋白质结构分类
• 2.1 蛋白质结构分类方法PSSC
• 2.1.1 PSSC概述
• 2.1.2 PSSC的数学模型
• 2.1.3 关键性问题
• 2.2 预测二级结构
• 2.2.1 输入格式
• 2.2.2 预测二级结构算法
• 2.2.3 输出格式
• 2.3 小结
• 第三章 分类模型设计
• 3.1 PSSC分类模型
• 3.1.1 创建分类树
• 3.1.2 计算相似度
• 3.1.3 建立分类标准
• 3.2 其他蛋白质结构比对方法
• 3.2.1 RMBS
• 3.2.2 CE
• 3.2.3 VAST
• 3.3 PSSC创新点与特色
• 3.4 小结
• 第四章 系统设计与实现
• 4.1 软件结构
• 4.2 开发工具与环境
• 4.3 系统难点与解决方案
• 4.3.1 序列比对算法
• 4.3.2 集成其他语言的程序
• 4.4 界面设计
• 4.5 实验数据与实验结果
• 4.6 软件待完善之处
• 4.7 小结
• 第五章 结束语
• 参考文献
• 攻读硕士期间发表论文
• 致谢