完整蛋白质鉴定算法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-14页 |
| 1.1 蛋白质组学 | 第6页 |
| 1.2 蛋白质鉴定 | 第6-9页 |
| 1.3 面向TD质谱数据的完整蛋白质鉴定 | 第9-11页 |
| 1.4 研究目的与主要贡献 | 第11-12页 |
| 1.5 组织结构 | 第12-13页 |
| 1.6 本章小结 | 第13-14页 |
| 2 相关技术 | 第14-19页 |
| 2.1 CUDA并行架构 | 第14-16页 |
| 2.2 动态规划 | 第16-17页 |
| 2.3 分类算法 | 第17-18页 |
| 2.3.1 LR | 第17-18页 |
| 2.3.2 XGBoost | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 基于GPU的完整蛋白质鉴定并行算法 | 第19-38页 |
| 3.1 问题描述 | 第19-21页 |
| 3.2 CUDA-TP算法介绍 | 第21-31页 |
| 3.2.1 算法流程 | 第21-22页 |
| 3.2.2 CPU计算模块 | 第22-24页 |
| 3.2.3 GPU计算模块 | 第24-26页 |
| 3.2.4 并行计算架构 | 第26-27页 |
| 3.2.5 时间复杂度分析 | 第27-29页 |
| 3.2.6 蛋白质过滤 | 第29-31页 |
| 3.3 实验结果 | 第31-36页 |
| 3.3.1 数据集合 | 第31-32页 |
| 3.3.2 运行时间分析 | 第32-35页 |
| 3.3.3 算法吞吐率 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 基于机器学习的完整蛋白质鉴定结果重排 | 第38-53页 |
| 4.1 问题描述 | 第38-40页 |
| 4.2 RPML算法介绍 | 第40-46页 |
| 4.2.1 算法流程 | 第40-42页 |
| 4.2.2 特征提取 | 第42-44页 |
| 4.2.3 模型构建 | 第44-46页 |
| 4.2.4 分数整合 | 第46页 |
| 4.3 实验结果 | 第46-52页 |
| 4.3.1 数据集合 | 第46-47页 |
| 4.3.2 评估标准 | 第47-48页 |
| 4.3.3 结果分析 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-61页 |
