| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究的目的及意义 | 第10-11页 |
| 1.2.1 课题研究目的 | 第10页 |
| 1.2.2 课题研究意义 | 第10-11页 |
| 1.3 课题研究的现状 | 第11-13页 |
| 1.3.1 B细胞表位预测的研究现状 | 第11-13页 |
| 1.3.2 RNN网络的研究现状 | 第13页 |
| 1.4 研究内容及研究方法 | 第13-14页 |
| 1.4.1 论文研究的主要内容 | 第13-14页 |
| 1.4.2 论文研究的主要方法 | 第14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 第二章 线性B细胞表位预测方法研究 | 第16-22页 |
| 2.1 B细胞表位预测方法 | 第16-17页 |
| 2.1.1 实验方法 | 第16页 |
| 2.1.2 计算方法 | 第16-17页 |
| 2.2 B细胞表位预测计算方法 | 第17-18页 |
| 2.2.1 连续B细胞表位预测方法 | 第17-18页 |
| 2.2.2 构象性B细胞表位预测方法 | 第18页 |
| 2.3 实验数据来源 | 第18-21页 |
| 2.3.1 PDB数据库 | 第18-19页 |
| 2.3.2 IEDB数据库 | 第19-20页 |
| 2.3.3 UniProt数据库 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 长短时记忆LSTM网络 | 第22-32页 |
| 3.1 RNN网络模型 | 第22-26页 |
| 3.1.1 RNN网络模型原理 | 第22-25页 |
| 3.1.2 RNN网络学习算法 | 第25-26页 |
| 3.2 LSTM网络模型 | 第26-29页 |
| 3.2.1 LSTM网络模型的由来 | 第26-27页 |
| 3.2.2 LSTM网络模型 | 第27-28页 |
| 3.2.3 LSTM网络学习算法 | 第28-29页 |
| 3.3 LSTM网络的应用 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 B细胞表位多源信息特征的提取 | 第32-43页 |
| 4.1 表位氨基酸片段的物理化学属性特征信息 | 第32-36页 |
| 4.1.1 主要的物理化学属性 | 第32-33页 |
| 4.1.2 基于氨基酸物理化学属性的表位片段数字化表示 | 第33-34页 |
| 4.1.3 物理化学属性信息对表位预测效果的影响 | 第34-36页 |
| 4.2 表位氨基酸片段的频率特征信息 | 第36-38页 |
| 4.2.1 氨基酸的频率特征 | 第36页 |
| 4.2.2 基于氨基酸频率信息的表位片段数字化表示 | 第36-37页 |
| 4.2.3 氨基酸频率信息对表位预测的影响 | 第37-38页 |
| 4.3 表位氨基酸片段的位置熵信息 | 第38-41页 |
| 4.3.1 氨基酸的位置熵 | 第38页 |
| 4.3.2 氨基酸位置熵信息的数字化表示 | 第38-39页 |
| 4.3.3 位置熵信息在序列提取特征中的应用 | 第39-41页 |
| 4.3.4 氨基酸位置熵信息对表位预测的影响 | 第41页 |
| 4.4 考虑多源信息融合以提高抗原表位正负样本的区分能力 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于长短时记忆网络的B细胞表位预测及评价 | 第43-65页 |
| 5.1 B细胞表位预测数据集的构建 | 第43-49页 |
| 5.1.1 自建数据集 | 第44-48页 |
| 5.1.2 Chen数据集 | 第48-49页 |
| 5.2 基于LSTM网络的多源信息表位预测模型 | 第49-56页 |
| 5.2.1 预测模型 | 第49-50页 |
| 5.2.2 特征信息融合 | 第50-54页 |
| 5.2.3 模型训练过程 | 第54-56页 |
| 5.3 数据分析与性能评价 | 第56-62页 |
| 5.3.1 模型性能评价指标 | 第56-57页 |
| 5.3.2 LSTM对比预测方法 | 第57-58页 |
| 5.3.3 单一特征与融合特征预测结果对比 | 第58-59页 |
| 5.3.4 与其它两种预测方法的对比结果与分析 | 第59-62页 |
| 5.4 LSTM网络模型应用 | 第62-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| 6.1 结论 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第73-74页 |
