基于本體數據庫的多標簽預測模型及生物醫(yī)藥數據挖掘研究

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 本體和本體數據庫
2．1 本體簡介
2．2 本體數據庫
2．2．1 GO數據庫
2．2．2 ChEBI數據庫
2．3 本章小結
第3章 ChEBI和GO數據庫的語義挖掘方法
3．1 基于分類圖形結構的相似方法
3．2 基于信息內容的相似方法
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開發(fā)的工具和語言
3．5 本章小結
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 幾種經典的多標簽算法
4．4 本章小結
第5章 預測藥物ATC類別模型一：iATC-mISF
5．1 基準數據集
5．2 預測模型iATC-mISF的構建
5．3 結果與討論
5．4 本章小結
第6章 預測藥物ATC類別模型二：iATC-mHyb
6．1 基準數據集
6．2 預測模型iATC-mHyb的構建
6．3 結果和討論
6．4 本章小結
第7章 pLoc-mAnimal：動物蛋白質亞細胞定位預測模型
7．1 基準數據集
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統計特征降維方法
7．3 蛋白質向量構造
7．3．1 使用Bayes統計特征降維方法構造GO功能注釋向量
7．3．2 使用蛋白質氨基酸序列構造Grey-PSSM向量
7．4 結果和討論
7．5 本章小結
第8章 pLoc-mPlant：植物蛋白質亞細胞定位預測模型
8．1 基準數據集
8．2 集成學習
8．3 植物蛋白質亞細胞位置預測模型
8．4 結果與討論
8．5 本章小結
第9章 總結和展望
9．1 總結
9．2 展望
9．2．1 老藥新用
9．2．2 西藥按中醫(yī)系統理論分類
9．2．3 蛋白質亞細胞位置定位的非平衡問題
參考文獻