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

定　價：￥36.00

作　者：	暫缺
出版社：	天津大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

京東 (￥36.00)

ISBN：	9787561863909	出版時間：	2019-07-01	包裝：
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《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》共9章。第1章介紹多標簽預測的研究現(xiàn)狀和進展，并且著重從生物信息學的角度闡述多標簽算法的特點及已有相關算法存在的不足；然后介紹本體數(shù)據(jù)庫研究和應用的概況，分析其現(xiàn)階段存在的主要問題。第2章介紹本體的基本概念以及常用的本體數(shù)據(jù)庫。第3章介紹ChEBI和GO數(shù)據(jù)庫的語義挖掘方法。第4章介紹當前經(jīng)典的幾種多標簽算法。第5～8章應用GO數(shù)據(jù)庫和ChEBI數(shù)據(jù)庫數(shù)據(jù)，提取相關蛋白質(zhì)和藥物的特征信息，使用多標簽機器學習算法創(chuàng)建蛋白質(zhì)亞細胞定位預測服務器和藥物ATC類別預測服務器。第9章為總結(jié)和展望?！痘诒倔w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》適用于高等院校生物信息、人工智能、計算機應用等相關專業(yè)學生閱讀及技術人員參考。

作者簡介

暫缺《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》作者簡介

圖書目錄

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