基于机器学习方法的冷胁迫蛋白识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题背景及研究目的和意义 | 第8-13页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 冷胁迫概述 | 第9-11页 |
| 1.1.3 生物信息学中的机器学习 | 第11-13页 |
| 1.2 国内外研究现状分析 | 第13-16页 |
| 1.2.1 蛋白质结构、功能预测发展情况 | 第13-16页 |
| 1.2.2 蛋白质数据库发展现状 | 第16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 第2章 特征提取方法分析 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 基于序列的特征提取方法 | 第18-21页 |
| 2.2.1 信息理论特征 | 第18-19页 |
| 2.2.2 20 位序列特征 | 第19-20页 |
| 2.2.3 隔K取N特征 | 第20-21页 |
| 2.3 基于蛋白质二级结构的特征提取方法 | 第21-27页 |
| 2.3.1 重叠属性特征 | 第21-22页 |
| 2.3.2 21 位序列特征 | 第22-23页 |
| 2.3.3 伪氨基酸组成 | 第23-25页 |
| 2.3.4 序列结构综合特征 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 冷胁迫蛋白分类实验过程及结果 | 第28-42页 |
| 3.1 引言 | 第28页 |
| 3.2 数据集介绍与数据库处理 | 第28-29页 |
| 3.3 对PU Learning方法的尝试 | 第29-32页 |
| 3.3.1 PU Learning简介 | 第29-31页 |
| 3.3.2 PU Learning实验及结果 | 第31-32页 |
| 3.4 在原数据集上的尝试 | 第32-37页 |
| 3.4.1 LibD3C实验及结果 | 第32-33页 |
| 3.4.2 Libsvm实验及结果 | 第33-37页 |
| 3.5 构建新的负例集合 | 第37-40页 |
| 3.6 总结 | 第40-42页 |
| 第4章 拟南芥冷胁迫蛋白数据库的搭建 | 第42-57页 |
| 4.1 引言 | 第42页 |
| 4.2 功能说明 | 第42-43页 |
| 4.3 开发技术对比 | 第43-46页 |
| 4.4 数据库设计 | 第46-48页 |
| 4.5 网站设计与实现 | 第48-56页 |
| 4.6 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
