第一章 绪论 1
1.1 生物信息学简介 1
1.2 基因表达调控 3
1.3 转录因子结合位点预测算法的研究与意义 10
1.4 论文工作与安排 11
第二章 基于自由能最小原则的BSS算法 14
2.1 共有序列与权重矩阵 14
2.2 热力学原理 19
2.3 BSS算法 22
2.4 实验数据 25
2.5 结果与讨论 26
2.6 本章小结 28
第三章 人工神经网络 30
3.1 人工神经网络简介 30
3.2 神经细胞与人工神经元模型 32
3.3 网络结构与工作方式 34
3.4 学习规则与学习方式 36
3.5 BP神经网络 40
3.6 其他常见的神经网络模型 48
3.7 人工神经网络在生物信息学中的应用 52
3.8 生物序列编码问题 53
3.9 本章小结 54
第四章 基于交叉熵原则的ANN-CE算法 56
4.1 神经网络中的误差函数 56
4.2 基于交叉熵原则的ANN-CE算法 61
4.3 实验数据 67
4.4 结果与讨论 69
4.5 本章小结 74
第五章 隐马尔可夫模型 75
5.1 马尔可夫模型 75
5.2 隐马氏模型 77
5.3 隐马氏模型解决的三个问题及其基本算法 80
5.4 生物信息学中的隐马氏模型 95
5.5 本章小结 99
第六章 基于隐马氏模型的BssHMMs预测算法 101
6.1 相关位置得分矩阵 101
6.2 BssHMMs算法 107
6.3 实验数据 113
6.4 结果与讨论 116
6.5 本章小结 122
第七章 转录因子结合位点的预测工具 123
7.1 BSDbase数据库 123
7.2 转录因子结合位点预测软件——ANN-CETM 126
7.3 转录因子结合位点挖掘器软件——TFBsMD 129
7.4 本章小结 133
第八章 总结与展望 135
8.1 论文工作的总结 135
8.2 存在的问题和展望 136
参考文献 139
致谢 156