| 中文摘要 | 第3-4页 |
| Abstract | 第4-8页 |
| 第一章绪论 | 第8-18页 |
| 1.1研究背景 | 第8-16页 |
| 1.1.1蛋白质组学 | 第8-11页 |
| 1.1.2质谱和串联质谱 | 第11-13页 |
| 1.1.3蛋白质鉴定 | 第13-16页 |
| 1.2研究目的及意义 | 第16页 |
| 1.3本文结构 | 第16-18页 |
| 第二章基于串联质谱的蛋白质鉴定方法概述 | 第18-25页 |
| 2.1数据库搜索方法 | 第18-22页 |
| 2.1.1基于向量内积的匹配打分算法 | 第19-20页 |
| 2.1.2基于概率的匹配打分算法 | 第20-21页 |
| 2.1.3基于机器学习的匹配打分算法 | 第21-22页 |
| 2.2从头测序方法 | 第22-24页 |
| 2.2.1枚举模型 | 第22页 |
| 2.2.2谱图模型 | 第22-23页 |
| 2.2.3动态规划模型 | 第23-24页 |
| 2.3序列标签方法 | 第24页 |
| 2.4本章小结 | 第24-25页 |
| 第三章DeepNovo:结合深度学习的蛋白质从头测序方法 | 第25-34页 |
| 3.1深度学习在从头测序中的应用 | 第25-26页 |
| 3.2DeepNovo方法概述 | 第26-32页 |
| 3.2.1Ion-CNN | 第26-29页 |
| 3.2.2Spectrum-CNN | 第29-30页 |
| 3.2.3LSTM | 第30-32页 |
| 3.3DeepNovo方法的不足 | 第32-33页 |
| 3.4本章小结 | 第33-34页 |
| 第四章利用深度学习和串联质谱离子信息改进DeepNovo蛋白质从头测序方法 | 第34-40页 |
| 4.1通过加入a碎片离子信息改进DeepNovo方法 | 第34-36页 |
| 4.1.1串联质谱中的碎片离子 | 第34-35页 |
| 4.1.2DeepNovo+a碎片离子从头测序方法 | 第35-36页 |
| 4.2通过引入验证集改进DeepNovo方法 | 第36-38页 |
| 4.2.1验证集在深度学习中的重要作用 | 第36-37页 |
| 4.2.2DeepNovo+验证集从头测序方法 | 第37-38页 |
| 4.3DeepNovoA+:结合a碎片离子信息和验证集改进DeepNovo方法.. | 第38-39页 |
| 4.4本章小结 | 第39-40页 |
| 第五章实验结果与分析 | 第40-46页 |
| 5.1实验数据集 | 第40页 |
| 5.2实验设置 | 第40-41页 |
| 5.3结果讨论与分析 | 第41-45页 |
| 5.4本章小结 | 第45-46页 |
| 第六章总结与展望 | 第46-47页 |
| 6.1本文工作总结 | 第46页 |
| 6.2未来工作展望 | 第46-47页 |
| 参考文献 | 第47-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
