基于深度学习的RNA二级结构预测研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 引言 | 第12-19页 |
| 1.1 课题背景 | 第12-14页 |
| 1.2 研究内容 | 第14-16页 |
| 1.3 研究意义 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 RNA二级结构预测相关技术 | 第19-31页 |
| 2.1 RNA结构简介 | 第19-22页 |
| 2.2 RNA二级结构预测 | 第22-27页 |
| 2.2.1 ProbKnot方法 | 第24-26页 |
| 2.2.2 MaxExpect方法 | 第26-27页 |
| 2.3 深度学习技术 | 第27-30页 |
| 2.3.1 传统递归神经网络 | 第27-29页 |
| 2.3.2 双向递归神经网络 | 第29-30页 |
| 2.4 并行编程平台 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 并行的RNA二级结构预测 | 第31-42页 |
| 3.1 引言 | 第31-32页 |
| 3.2 两种基于碱基配对概率的改进方法 | 第32-35页 |
| 3.2.1 ProbKnot-sig算法 | 第32-33页 |
| 3.2.2 ProbKnot-cts算法 | 第33-35页 |
| 3.3 基于并行蚁群的RNA二级结构预测方法 | 第35-37页 |
| 3.3.1 算法描述 | 第36-37页 |
| 3.4 结果分析与讨论 | 第37-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于递归神经网络的RNA二级结构预测 | 第42-59页 |
| 4.1 引言 | 第42-44页 |
| 4.2 深度定长RNA二级结构预测模型 | 第44-49页 |
| 4.2.1 模型描述 | 第44-47页 |
| 4.2.2 RNA序列动态采样算法 | 第47页 |
| 4.2.3 结果分析与讨论 | 第47-49页 |
| 4.3 深度变长RNA碱基配对约束模型 | 第49-53页 |
| 4.3.1 模型描述 | 第50-51页 |
| 4.3.2 变长RNA序列训练算法 | 第51-52页 |
| 4.3.3 结果分析与讨论 | 第52-53页 |
| 4.4 基于深度约束的RNA二级结构预测方法 | 第53-58页 |
| 4.4.1 模型描述 | 第53-55页 |
| 4.4.2 结果分析与讨论 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 RNA二级结构挑选研究 | 第59-66页 |
| 5.1 引言 | 第59-60页 |
| 5.2 基于谱聚类的RNA二级结构挑选方法 | 第60-61页 |
| 5.2.1 算法描述 | 第60-61页 |
| 5.3 结果分析与讨论 | 第61-65页 |
| 5.3.1 谱聚类VS. MEA打分 | 第62-64页 |
| 5.3.2 谱聚类VS. 近邻传播算法 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-69页 |
| 6.1 工作总结 | 第66-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-77页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第77-79页 |
| 致谢 | 第79-80页 |
