目录

第1章引言

1.1蛋白质结构预测概述

1.1.1背景与意义

1.1.2需要使用已有结构信息的预测方法

1.1.3完全基于序列信息的预测方法

1.2本书的组织结构

第2章方法与技术

2.1深度神经网络

2.1.1深度信念网络

2.1.2卷积神经网络

2.1.3残差神经网络

2.2生成式对抗网络

2.2.1基本框架和工作原理

2.2.2损失函数

2.3蛋白质的原子坐标优化与其残基间约束

2.3.1残基间约束

2.3.2原子坐标优化

2.4其他

2.4.1集成学习

2.4.2注意力机制

2.4.3分子动力学模拟

2.4.4排序学习

第3章多层级架构的深度神经网络对蛋白质残基接触的预测

3.1引言

3.2数据集、网络模型与训练方法

3.2.1数据集的处理

3.2.2网络架构概述

3.2.3模块一

3.2.4模块二

3.2.5模块三

3.3结果与讨论

3.3.1平均系综对网络性能的提升

3.3.2与旧版的性能对比

3.3.3与当时该领域内其他前沿算法的性能对比

3.3.4残基接触辅助蛋白质折叠的评估

3.4小结

第4章生成式对抗网络对蛋白质残基间实值距离的预测

4.1引言

4.2数据集与特征生成

4.2.1蛋白质数据集

4.2.2本研究需用到的输入特征

4.3结果与讨论

4.3.1预实验

4.3.2调整判别器的网络架构

4.3.3优化生成器

4.3.4数据增广

4.3.5模型的训练与评估

4.3.6其他讨论

4.4小结

第5章基于深度学习的蛋白质折叠框架

5.1引言

5.2数据集与相关评价指标

5.2.1数据集

5.2.2评价指标

5.3结果与讨论

5.3.1框架简介

5.3.2对输入约束的处理

5.3.3核心优化模块

5.3.4折叠质量分析模块

5.3.5迭代间的重启模块

5.3.6折叠性能的评估

5.4小结

第6章总结与展望

6.1研究内容总结

6.2未来工作展望

6.2.1对抗式生成网络的优化与应用

6.2.2蛋白质折叠框架的调优与适配

6.2.3基于距离的端到端训练

6.2.4不依赖多序列比对的结构预测

6.2.5对蛋白质折叠机制方面的探索

6.2.6蛋白质设计的尝试

第7章其他工作

7.1使用混合专家模型的残基接触预测

7.2对现有模型的初步扩增

参考文献

附录

附录A书中需要用到的补充数据

附录B书中需要用到的补充图片

致谢