声明
摘要
插图索引
附表索引
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 基于聚类的蛋白质复合物发现方法
1.2.2 以启发式为代表的智能优化算法
1.2.3 以矩阵分解为代表的计算方法
1.3 本文的主要工作及贡献
1.4 论文组织结构
第2章 蛋白质相互作用网络特征分析及复合物算法评价指标
2.1 蛋白质相互作用网络特征分析
2.1.1 蛋白质相互作用网络拓扑特征评价指标
2.1.2 蛋白质相互作用网络拓扑特征分析
2.2 蛋白质复合物算法评价指标
2.3 本章小结
第3章 基于多目标进化规划遗传的复合物识别算法MOEPGA
3.1 引言
3.2 相关工作
3.3 基于多目标进化规划遗传的复合物识别算法MOEPGA
3.3.1 相关术语
3.3.2 问题描述
3.3.3 MOEPGA算法
3.4 实验及结果分析
3.4.1 实验数据
3.4.2 已知蛋白质复合物的网络特征分析
3.4.3 参数Pm,Ps对MOEPGA算法性能的影响
3.4.4 F(S)的分析
3.4.5 与其它算法的比较
3.5 本章小结
第4章 基于模糊关系的重叠复合物识别算法FK-Medoids
4.1 引言
4.2 相关工作
4.3 基于模糊关系的复合物识别算法FK-Medoids
4.3.1 模糊集理论
4.3.2 伪团产生
4.3.3 FK-Medoids算法步骤
4.4 实验及结果分析
4.4.1 实验数据
4.4.2 参数λ的设定对算法结果的影响
4.4.3 参数β的设置对算法结果的影响
4.4.4 与其它算法比较
4.5 本章小结
第5章 基于重叠邻居结点和模糊关系的伪团扩展算法PCE-ONNFR
5.1 引言
5.2 相关工作
5.3 基于重叠邻居结点和模糊关系的伪团扩展算法PCE-ONNFR
5.3.1 利用模糊关系产生伪团
5.3.2 通过重叠的邻居结点扩展伪团
5.4 实验及结果分析
5.4.1 实验数据
5.4.2 GO语义相似性
5.4.3 参数λ对PCE-ONNFR算法性能的影响
5.4.4 参数γ对PCE-ONNFR算法性能的影响
5.4.5 聚合分数(CS)的分析
5.4.6 与FK-Medoids算法的比较
5.4.7 不同权重的比较
5.4.8 与其它算法比较
5.4.9 功能富集分析
5.4.10 在人类PPI网络中验证算法的性能
5.5 本章小结
第6章 基于组合权重的复合物识别算法cwMINE
6.1 引言
6.2 相关工作
6.3 基于组合权重的复合物识别算法cwMINE
6.3.1 相关术语
6.3.2 cwMINE算法
6.4 实验及结果分析
6.4.1 实验数据
6.4.2 不同加权策略的分析
6.4.3 扩展系数对cwMINE算法的影响
6.4.4 与PCE-ONNFR算法的比较
6.4.5 与其它算法比较
6.4.6 蛋白质复合物实例(Collins)
6.4.7 cwMINE算法发现疾病相关的复合物
6.5 本章小结
结论
参考文献
致谢
攻读学位期间所发表的学术论文
攻读学位期间所参加的科研项目