| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 选题意义与目的 | 第9-11页 |
| 1.2.1 选题意义 | 第9-10页 |
| 1.2.2 选题目的 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 研究内容及研究目标 | 第12-13页 |
| 1.4.1 研究内容 | 第12-13页 |
| 1.4.2 研究目标 | 第13页 |
| 1.5 本文的章节安排及内容 | 第13-15页 |
| 第2章 生物信息学相关理论说明 | 第15-23页 |
| 2.1 高通量测序技术 | 第15-18页 |
| 2.2 ChIP-Seq技术 | 第18-19页 |
| 2.3 DNase-Seq技术 | 第19-20页 |
| 2.4 DNA蛋白结合位点 | 第20-21页 |
| 2.5 本章小结 | 第21-23页 |
| 第3章 基于ChIP-Seq信号的DNA蛋白结合位点预测 | 第23-33页 |
| 3.1 PWM模型预测方法 | 第23-25页 |
| 3.2 遗传算法预测方法 | 第25-27页 |
| 3.3 GEM软件预测方法 | 第27-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于DNase-Seq信号的DNA蛋白结合位点识别 | 第33-49页 |
| 4.1 DNase-Seq数据来源及选择 | 第33-35页 |
| 4.2 DNase-Seq数据预处理 | 第35-41页 |
| 4.2.1 DNase-Seq初始数据的形成 | 第36-37页 |
| 4.2.2 DNase-Seq信号的对齐及过滤 | 第37-40页 |
| 4.2.3 去除DNase-Seq信号中的Bias | 第40-41页 |
| 4.3 模型的建立过程 | 第41-48页 |
| 4.3.1 识别特征的发现 | 第41-44页 |
| 4.3.2 基于高斯分布的识别特征提取及预测算法 | 第44-47页 |
| 4.3.3 模型的建立 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 对模型分类效果的验证 | 第49-57页 |
| 5.1 ROC曲线 | 第49-51页 |
| 5.1.1 ROCR包及pROC包 | 第50-51页 |
| 5.2 正负样本的划分 | 第51-52页 |
| 5.3 实验验证过程及结果 | 第52-55页 |
| 5.4 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-67页 |
| 致谢 | 第67页 |
