基于本体数据库的多标签预测模型及生物医药数据挖掘研究

第1章 绪论
1．1 引言
1．2 生物信息中的多标签问题
1．3 本体论方法的介绍
第2章 本体和本体数据库
2．1 本体简介
2．2 本体数据库
2．2．1 GO数据库
2．2．2 ChEBI数据库
2．3 本章小结
第3章 ChEBI和GO数据库的语义挖掘方法
3．1 基于分类图形结构的相似方法
3．2 基于信息内容的相似方法
3．3 度量基因之间功能相似性的方法
3．4 本体在生物医药领域的应用及已经开发的工具和语言
3．5 本章小结
第4章 多标签算法
4．1 多标度（Multiplicity Degree）
4．2 多标签评价指标
4．3 几种经典的多标签算法
4．4 本章小结
第5章 预测药物ATC类别模型一：iATC-mISF
5．1 基准数据集
5．2 预测模型iATC-mISF的构建
5．3 结果与讨论
5．4 本章小结
第6章 预测药物ATC类别模型二：iATC-mHyb
6．1 基准数据集
6．2 预测模型iATC-mHyb的构建
6．3 结果和讨论
6．4 本章小结
第7章 pLoc-mAnimal：动物蛋白质亚细胞定位预测模型
7．1 基准数据集
7．2 特征降维
7．2．1 特征选择
7．2．2 特征抽取
7．2．3 新创建的特征降维方法——Bayes统计特征降维方法
7．3 蛋白质向量构造
7．3．1 使用Bayes统计特征降维方法构造GO功能注释向量
7．3．2 使用蛋白质氨基酸序列构造Grey-PSSM向量
7．4 结果和讨论
7．5 本章小结
第8章 pLoc-mPlant：植物蛋白质亚细胞定位预测模型
8．1 基准数据集
8．2 集成学习
8．3 植物蛋白质亚细胞位置预测模型
8．4 结果与讨论
8．5 本章小结
第9章 总结和展望
9．1 总结
9．2 展望
9．2．1 老药新用
9．2．2 西药按中医系统理论分类
9．2．3 蛋白质亚细胞位置定位的非平衡问题
参考文献