基于特征筛选方法预测不同离子通道活性的芋螺毒素
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·生物信息学与机器学习 | 第10-11页 |
| ·芋螺毒素简介 | 第11-12页 |
| ·芋螺毒素的生物信息学研究现状 | 第12-13页 |
| ·本论文主要工作及结构安排 | 第13-14页 |
| 第二章 特征提取与筛选算法 | 第14-21页 |
| ·特征提取 | 第14-18页 |
| ·伪氨基酸组分(PseAAC) | 第14-16页 |
| ·二肽 | 第16页 |
| ·特异位置打分矩阵 | 第16-18页 |
| ·特征筛选 | 第18-21页 |
| ·二项分布算法 | 第18-20页 |
| ·F-score算法 | 第20-21页 |
| 第三章 分类算法 | 第21-27页 |
| ·径向基函数网络(RBF network) | 第21-23页 |
| ·人工神经网络 | 第21-22页 |
| ·径向基函数网络 | 第22-23页 |
| ·WEKA软件 | 第23页 |
| ·支持向量机(SVM) | 第23-27页 |
| ·最优分类面 | 第23-24页 |
| ·支持向量机 | 第24-26页 |
| ·LIBSVM软件包 | 第26-27页 |
| 第四章 模型构建与结果分析 | 第27-40页 |
| ·数据集构建 | 第27-30页 |
| ·UniProt数据库简介 | 第27-28页 |
| ·数据集构建 | 第28-30页 |
| ·模型评估标准 | 第30页 |
| ·二项分布结合RBFN模型 | 第30-34页 |
| ·模型构建 | 第30-31页 |
| ·模型评估 | 第31-34页 |
| ·预测精度 | 第31-32页 |
| ·独立集评估 | 第32-33页 |
| ·与其它算法的比较 | 第33-34页 |
| ·预测未知功能芋螺毒素序列 | 第34页 |
| ·F-score结合支持向量机算法模型 | 第34-37页 |
| ·模型构建 | 第34-35页 |
| ·模型评估 | 第35-37页 |
| ·预测精度 | 第35-36页 |
| ·与其它算法的比较 | 第36页 |
| ·独立集评估 | 第36页 |
| ·PSSM结合SVM模型预测结果 | 第36-37页 |
| ·ICTCPred在线网络服务平台 | 第37-40页 |
| 第五章 总结与展望 | 第40-43页 |
| ·对本文内容的总结 | 第40-41页 |
| ·本文工作的意义 | 第41-42页 |
| ·对以后工作的展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 附录 | 第48-57页 |
| 攻硕期间研究成果 | 第57页 |
