基于卷积神经网络的蛋白质二级结构预测
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景和研究现状 | 第10-12页 |
| 1.3 课题研究目的和意义 | 第12页 |
| 1.4 本文的主要工作和创新点 | 第12-13页 |
| 1.5 本文的组织结构 | 第13-14页 |
| 第2章 蛋白质二级结构预测 | 第14-24页 |
| 2.1 蛋白质结构的介绍 | 第14-16页 |
| 2.2 蛋白质二级结构预测方法 | 第16-18页 |
| 2.2.1 CHOU和FASMAN方法 | 第17-18页 |
| 2.2.2 GOR方法 | 第18页 |
| 2.2.3 PHD方法 | 第18页 |
| 2.3 其他编码方式的介绍 | 第18-20页 |
| 2.3.1 正交编码方式的介绍 | 第19页 |
| 2.3.2 位置特异性打分(PSSM)矩阵 | 第19-20页 |
| 2.4 方法的实施 | 第20-22页 |
| 2.4.1 实验数据 | 第20页 |
| 2.4.2 结构定义 | 第20-21页 |
| 2.4.3 预测评价指标 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第3章 基团编码 | 第24-34页 |
| 3.1 基团编码方式的介绍 | 第24-26页 |
| 3.2 滑动窗口技术 | 第26页 |
| 3.3 支持向量机原理 | 第26-28页 |
| 3.4 实验过程及结果 | 第28-33页 |
| 3.4.1 实验过程一 | 第29-31页 |
| 3.4.2 试验过程二 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于卷积神经网络的蛋白质二级结构预测 | 第34-46页 |
| 4.1 卷积神经网络的概述 | 第34-36页 |
| 4.2 卷积神经网络结构 | 第36-39页 |
| 4.2.1 输入层 | 第37-38页 |
| 4.2.2 卷积层 | 第38页 |
| 4.2.3 最大池化层 | 第38-39页 |
| 4.3 实验过程及结果 | 第39-41页 |
| 4.4 贝叶斯分类器及结果 | 第41-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 基于自动编码器的蛋白质二级结构预测 | 第46-56页 |
| 5.1 自动编码器介绍 | 第46-47页 |
| 5.2 稀疏自动编码 | 第47-50页 |
| 5.3 实验过程及结果 | 第50-54页 |
| 5.3.1 CB513的实验结果 | 第50-51页 |
| 5.3.2 25PDB的数据结果 | 第51-54页 |
| 5.4 分类器结果总结 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 结论与工作展望 | 第56-58页 |
| 6.1 结论 | 第56-57页 |
| 6.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 在学期间主要科研成果 | 第66页 |
| 一、发表学术论文 | 第66页 |
| 二、参与科研项目 | 第66页 |
