串联质谱中肽碎片离子强度建模
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 引言 | 第8-17页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 发展现状 | 第9-14页 |
| 1.3 主要工作及创新点 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 生物背景与算法模型 | 第17-24页 |
| 2.1 生物背景 | 第17-19页 |
| 2.1.1 蛋白质和肽 | 第17-18页 |
| 2.1.2 质谱技术 | 第18-19页 |
| 2.2 深度信念网络 | 第19-21页 |
| 2.3 梯度提升决策树 | 第21-22页 |
| 2.4 模型选择原因 | 第22页 |
| 2.4.1 深度信念网络 | 第22页 |
| 2.4.2 梯度提升决策树 | 第22页 |
| 2.5 模型评估标准 | 第22-23页 |
| 2.6 小结 | 第23-24页 |
| 第三章 数据预处理与特征提取 | 第24-37页 |
| 3.1 数据来源 | 第24-26页 |
| 3.1.1 MM数据集 | 第24-25页 |
| 3.1.2 SwedCAD数据集 | 第25-26页 |
| 3.2 数据预处理 | 第26-32页 |
| 3.2.1 鉴定软件 | 第26-27页 |
| 3.2.2 软件参数 | 第27-28页 |
| 3.2.3 串联质谱身份匹配 | 第28-29页 |
| 3.2.4 肽谱匹配过滤与分析 | 第29-31页 |
| 3.2.5 去冗余 | 第31-32页 |
| 3.3 碎片离子强度值提取 | 第32-34页 |
| 3.4 特征 | 第34-36页 |
| 3.4.1 特征提取和表示的改进 | 第34-35页 |
| 3.4.2 特征提取 | 第35-36页 |
| 3.4.3 特征归一化 | 第36页 |
| 3.5 小结 | 第36-37页 |
| 第四章 实验设计及结果分析 | 第37-47页 |
| 4.1 模型训练 | 第37-39页 |
| 4.1.1 模型的输入与输出 | 第37页 |
| 4.1.2 深度信念网络 | 第37-38页 |
| 4.1.3 梯度提升决策树 | 第38-39页 |
| 4.2 特征集选择与分析 | 第39-40页 |
| 4.3 特征对肽裂解的影响 | 第40-41页 |
| 4.4 训练数据大小的影响 | 第41-43页 |
| 4.5 对比实验 | 第43-44页 |
| 4.6 个例分析 | 第44-46页 |
| 4.7 小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 附录 | 第53-59页 |
| 附录一 | 第53-56页 |
| 附录二 | 第56-58页 |
| 附录三 | 第58-59页 |
| 在读期间公开发表的论文 | 第59-60页 |
| 致谢 | 第60页 |
