摘要从蛋白质序列预测蛋白质结构类是一个重要的任务，如何从序列中抽取有效的鉴别特征是关键步骤之一，由于单视角特征不能反应蛋白质的所有信息，因此融合多视角特征或是特高预测精度的有效途径。本文使用一种基于多视角融合技术的蛋白质结构类预测框架,在本文中，用到的新的蛋白质框架，多视角特征：首先，从不同的视角抽取特征，然后，将不同视角的特征并行组合，形成复特征,在复特征空间应用广义主分量分析，进行特征降维。在不同的数据集和算法上的实验结果表明，所实用的并行多视角特征融合策略是有效的。64775

毕业论文关键词 蛋白质序列  蛋白质结构类   鉴别特征

毕业设计说明书（论文）外文摘要

Title COMSPA:a new class of protein structure prediction 

service

Abstract

Prediction of protein structure from protein sequence is an important task, how to extract valid identification features from the sequence is one of the key steps, because single viewing angle characteristics can’t show all the information of protein, so the fusion of multi-angle features is probably the effective way of high prediction accuracy. This study uses a protein structure prediction framework based on multi-view fusion technique, in this article, the used new protein framework, multi-angle characteristics: firstly, extract features from different perspectives; secondly, parallel combine the characteristics of different perspectives, forming complex features; finally, use generalized principal component analysis for dimension reduction in the complex feature space. The experimental results using different data sets and algorithms show that the practical parallel multi-angle feature fusion strategy is effective.

Keywords：protein sequence; protein structure class; discriminant features

目次

1 引言 2

1.1 研究背景及意义 2

1.2 国内外研究现状 3

1.3 本文的主要内容 4

1.4 论文结构安排 5

2 蛋白质结构类预测概述 5

2.1 蛋白质概述 5

2.2 蛋白质结构 7

2.3 蛋白质结构类预测 10

3 数据集和特征提取 12

3.1 基准数据集 12

3.2 特征提取 12

4 方法 17

4.1 多视角并行特征融合 17

4.1.1 并联组合 17

4.1.2 广义的主成分分析（GPCA） 18

4.2 蛋白质结构类预测框架 19

4.2.1 预测框架 19

4.2.2 复杂的空间预测模型 19

5 COMSPA:WEB服务的环境及配置 20

5.1 系统环境 20

5.2 开发工具 21

5.3 环境配置 21

5.3.1 Java环境配置 21

5.3.2 Myeclipse环境配置 22

5.3.3 Tomcat配置 23

6 系统的设计实现