| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 DNA结合蛋白识别研究现状 | 第11-14页 |
| 1.2.2 RNA结合蛋白识别研究现状 | 第14-15页 |
| 1.2.3 核酸结合蛋白识别研究现状 | 第15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 第2章 基于加权投票的DNA结合蛋白识别方法 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 集成策略分析与设计 | 第18-21页 |
| 2.2.1 集成学习 | 第18-19页 |
| 2.2.2 基于加权投票的集成学习策略 | 第19-21页 |
| 2.3 基分类器的设计与实现 | 第21-23页 |
| 2.3.1 数据介绍 | 第21页 |
| 2.3.2 蛋白质表示方法 | 第21-22页 |
| 2.3.3 机器学习算法 | 第22页 |
| 2.3.4 基分类器 | 第22-23页 |
| 2.4 实验结果与分析 | 第23-28页 |
| 2.4.1 评估指标 | 第23-24页 |
| 2.4.2 实验结果与分析 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于PSFM谱的DNA结合蛋白识别方法 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 蛋白质表示方法 | 第29-30页 |
| 3.3 基于PSFM谱的蛋白质表示方法设计 | 第30-34页 |
| 3.3.1 位置特异性频率矩阵 | 第30-31页 |
| 3.3.2 基于PSFM的氨基酸二元组转换 | 第31-32页 |
| 3.3.3 基于PSFM的氨基酸三元组转换 | 第32-33页 |
| 3.3.4 基于PSFM的氨基酸探针转换 | 第33-34页 |
| 3.4 方法实现及参数优化 | 第34-35页 |
| 3.5 实验结果及对比 | 第35-37页 |
| 3.6 特征分析和解释 | 第37-40页 |
| 3.7 在线预测系统 | 第40-41页 |
| 3.8 本章小结 | 第41-43页 |
| 第4章 基于深度学习的DNA/RNA结合蛋白识别方法 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 数据集构建 | 第43-45页 |
| 4.3 蛋白质表示 | 第45-46页 |
| 4.4 长短期记忆网络和卷积神经网络 | 第46-47页 |
| 4.4.1 长短期记忆网络 | 第46页 |
| 4.4.2 卷积神经网络 | 第46-47页 |
| 4.5 网络设计与实现 | 第47-52页 |
| 4.5.1 核酸结合蛋白识别网络设计 | 第47-50页 |
| 4.5.2 区分DNA结合蛋白与RNA结合蛋白网络设计 | 第50-52页 |
| 4.6 实验结果与分析 | 第52-57页 |
| 4.6.1 核酸结合蛋白识别实验结果与分析 | 第52-54页 |
| 4.6.2 DNA结合蛋白与RNA结合蛋白区分实验结果与分析 | 第54-56页 |
| 4.6.3 DeepDRBP总体性能评估 | 第56-57页 |
| 4.7 在线预测系统 | 第57-58页 |
| 4.8 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
