基于本體數(shù)據(jù)庫的多標簽預測模型及生物醫(yī)藥數(shù)據(jù)挖掘研究

第1章 緒論
1．1 引言
1．2 生物信息中的多標簽問題
1．3 本體論方法的介紹
第2章 本體和本體數(shù)據(jù)庫
2．1 本體簡介
2．2 本體數(shù)據(jù)庫
2．2．1 GO數(shù)據(jù)庫
2．2．2 ChEBI數(shù)據(jù)庫
2．3 本章小結(jié)
第3章 ChEBI和GO數(shù)據(jù)庫的語義挖掘方法
3．1 基于分類圖形結(jié)構(gòu)的相似方法
3．2 基于信息內(nèi)容的相似方法
3．3 度量基因之間功能相似性的方法
3．4 本體在生物醫(yī)藥領域的應用及已經(jīng)開發(fā)的工具和語言
3．5 本章小結(jié)
第4章 多標簽算法
4．1 多標度（Multiplicity Degree）
4．2 多標簽評價指標
4．3 幾種經(jīng)典的多標簽算法
4．4 本章小結(jié)
第5章 預測藥物ATC類別模型一：iATC-mISF
5．1 基準數(shù)據(jù)集
5．2 預測模型iATC-mISF的構(gòu)建
5．3 結(jié)果與討論
5．4 本章小結(jié)
第6章 預測藥物ATC類別模型二：iATC-mHyb
6．1 基準數(shù)據(jù)集
6．2 預測模型iATC-mHyb的構(gòu)建
6．3 結(jié)果和討論
6．4 本章小結(jié)
第7章 pLoc-mAnimal：動物蛋白質(zhì)亞細胞定位預測模型
7．1 基準數(shù)據(jù)集
7．2 特征降維
7．2．1 特征選擇
7．2．2 特征抽取
7．2．3 新創(chuàng)建的特征降維方法——Bayes統(tǒng)計特征降維方法
7．3 蛋白質(zhì)向量構(gòu)造
7．3．1 使用Bayes統(tǒng)計特征降維方法構(gòu)造GO功能注釋向量
7．3．2 使用蛋白質(zhì)氨基酸序列構(gòu)造Grey-PSSM向量
7．4 結(jié)果和討論
7．5 本章小結(jié)
第8章 pLoc-mPlant：植物蛋白質(zhì)亞細胞定位預測模型
8．1 基準數(shù)據(jù)集
8．2 集成學習
8．3 植物蛋白質(zhì)亞細胞位置預測模型
8．4 結(jié)果與討論
8．5 本章小結(jié)
第9章 總結(jié)和展望
9．1 總結(jié)
9．2 展望
9．2．1 老藥新用
9．2．2 西藥按中醫(yī)系統(tǒng)理論分類
9．2．3 蛋白質(zhì)亞細胞位置定位的非平衡問題
參考文獻