基于递归神经网的蛋白质结构域预测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-12页 |
| 第一章 蛋白质结构域预测 | 第12-36页 |
| ·蛋白质结构简介 | 第12-17页 |
| ·蛋白质的组成 | 第12-13页 |
| ·蛋白质的层次结构与结构域 | 第13-14页 |
| ·蛋白质结构域预测的研究意义 | 第14页 |
| ·蛋白质结构域预测的内容和评价标准 | 第14-17页 |
| ·蛋白质结构域预测方法简述 | 第17-20页 |
| ·基于模版的方法 | 第17页 |
| ·聚类的方法 | 第17-18页 |
| ·基于从头预测的方法 | 第18-20页 |
| ·综合方法 | 第20页 |
| ·基于机器学习的从头预测方法概述 | 第20-36页 |
| ·基于马尔可夫链—蒙特卡罗的方法 | 第20-27页 |
| ·基于多层感知器的方法 | 第27-29页 |
| ·基于支撑向量机的方法 | 第29-35页 |
| ·基于递归网络的结构域预测 | 第35-36页 |
| 第二章 递归神经网及其在蛋白质域预测中的应用 | 第36-42页 |
| ·序列相关性与神经网络 | 第36页 |
| ·递归神经网络建模蛋白质序列 | 第36-37页 |
| ·蛋白质结构域预测中的双向递归网模型 | 第37-42页 |
| ·BRNN 模型与学习算法 | 第37-40页 |
| ·BRNN 模型面临的学习难题 | 第40-42页 |
| 第三章 IPSP-LSTM 模型与结构域预测 | 第42-59页 |
| ·LSTM 网络结构及其学习算法 | 第42-53页 |
| ·传统递归网络长程学习难题的理论分析 | 第42-46页 |
| ·传统的LSTM 的结构与学习算法 | 第46-50页 |
| ·具有遗忘门单元的LSTM | 第50-53页 |
| ·IPSP-LSTM 模型与结构域预测 | 第53-59页 |
| ·IPSP-LSTM 结构 | 第53-54页 |
| ·IPSP-LSTM 模型预测结构域边界 | 第54-57页 |
| ·后处理方法 | 第57-59页 |
| 第四章 实验方法、结果分析及LSTMDOM 系统 | 第59-65页 |
| ·实验方法 | 第59-60页 |
| ·交叉验证 | 第59页 |
| ·CAFASP4 测试 | 第59-60页 |
| ·对比实验方法 | 第60页 |
| ·实验结果与分析 | 第60-62页 |
| ·交叉验证实验结果与分析 | 第60-61页 |
| ·CAFASP4 实验结果分析 | 第61-62页 |
| ·对比实验结果与分析 | 第62页 |
| ·LSTMDOM——基于web 服务的结构域软件 | 第62-65页 |
| ·LSTMDOM | 第62-63页 |
| ·LSTMDOM 运行步骤 | 第63-64页 |
| ·LSTMDOM 实现 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
