基于深度学习的增强子调控序列识别研究
| 缩略词表 | 第5-6页 |
| 摘要 | 第6-9页 |
| Abstract | 第9-12页 |
| 第一章 前言 | 第13-24页 |
| 1.1 研究背景 | 第13-17页 |
| 1.1.1 新一代测序技术 | 第13页 |
| 1.1.2 后基因组研究 | 第13-14页 |
| 1.1.3 基因组功能调控元件的探究 | 第14-16页 |
| 1.1.4 深度学习技术的发展 | 第16-17页 |
| 1.2 研究现状 | 第17-22页 |
| 1.2.1 增强子识别的研究方法 | 第17-19页 |
| 1.2.2 监督学习 | 第19-21页 |
| 1.2.3 利用机器学习方法识别增强子 | 第21页 |
| 1.2.4 深度学习在生物医学领域的应用 | 第21-22页 |
| 1.3 拟解决的问题及研究方法 | 第22-24页 |
| 第二章 深度学习理论背景研究 | 第24-29页 |
| 2.1 引言 | 第24页 |
| 2.2 深度学习架构与基础理论 | 第24-29页 |
| 2.2.1 深度神经网络 | 第25-26页 |
| 2.2.2 卷积神经网络 | 第26-27页 |
| 2.2.3 循环神经网络 | 第27-29页 |
| 第三章 增强子识别模型设计 | 第29-36页 |
| 3.0 引言 | 第29页 |
| 3.1 DNA序列数据映射处理 | 第29-31页 |
| 3.2 算法模型设计方案 | 第31-34页 |
| 3.3 模型优化方案 | 第34-36页 |
| 第四章 参数确定与数据验证 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 实验方法与参数选择 | 第36-39页 |
| 4.2.1 数据集 | 第36页 |
| 4.2.2 构建增强子训练数据集 | 第36-37页 |
| 4.2.3 BiRen模型设计参数确定 | 第37-38页 |
| 4.2.4 预测结果验证方法 | 第38页 |
| 4.2.5 性能比较方法 | 第38页 |
| 4.2.6 最佳输入窗口搜索 | 第38-39页 |
| 4.3 实验结果 | 第39-48页 |
| 4.3.1 预测增强子调控元件的工作流程 | 第39-41页 |
| 4.3.2 BiRen模型性能评估 | 第41-43页 |
| 4.3.3 验证预测所得增强子调控元件序列 | 第43-45页 |
| 4.3.4 BiRen与现有预测方法的性能比较 | 第45-48页 |
| 讨论 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-58页 |
| 个人简历 | 第58-59页 |
| 致谢 | 第59页 |
