基于SVM-RFE算法的植物组织特异APA位点识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 生物信息学概述 | 第11-13页 |
| 1.2 相关的生物学基础知识 | 第13-19页 |
| 1.2.1 基因的表达 | 第13-15页 |
| 1.2.2 选择性多聚腺苷化 | 第15-17页 |
| 1.2.3 组织特异性基因 | 第17-19页 |
| 1.3 本文的研究背景 | 第19-21页 |
| 1.4 本文的主要内容 | 第21页 |
| 1.5 本文的章节安排 | 第21-23页 |
| 第二章 实验数据的获取 | 第23-29页 |
| 2.1 表达量数据 | 第23-25页 |
| 2.1.1 APA位点的提取 | 第23-24页 |
| 2.1.2 数据的标准化 | 第24-25页 |
| 2.2 组织特异性表达数据 | 第25-29页 |
| 第三章 特征空间的生成 | 第29-42页 |
| 3.1 位点的信号分布 | 第29-31页 |
| 3.2 特征提取及相应算法 | 第31-41页 |
| 3.2.1 Z曲线特征 | 第31-33页 |
| 3.2.2 二级结构特征 | 第33-36页 |
| 3.2.3 核小体定位特征 | 第36-37页 |
| 3.2.4 位点近邻特征 | 第37-39页 |
| 3.2.5 一阶马尔可夫异构矩阵特征 | 第39-41页 |
| 3.3 特征空间的构成 | 第41-42页 |
| 第四章 基于SVM-RFE的位点识别模型 | 第42-52页 |
| 4.1 支持向量机 | 第42-45页 |
| 4.2 最佳特征子集选择 | 第45-48页 |
| 4.3 SVM-RFE算法 | 第48-50页 |
| 4.4 SVM-RFE模型的实现 | 第50-52页 |
| 第五章 结果分析与讨论 | 第52-65页 |
| 5.1 基于熵获取组织特异性APA位点训练数据 | 第52-56页 |
| 5.1.1 全基因组APA位点的识别与统计 | 第52-54页 |
| 5.1.2 基于熵的组织特异性APA位点识别 | 第54-56页 |
| 5.2 分类模型的效果分析 | 第56-65页 |
| 5.2.1 性能评价标准 | 第56-57页 |
| 5.2.2 实验结果分析 | 第57-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 不足和改进 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
