首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于深度学习的蛋白质糖基化的应用研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第13-19页
    1.1 研究背景与意义第13-14页
    1.2 研究现状与发展第14-17页
    1.3 研究工作和主要内容第17-18页
    1.4 论文的组织结构第18-19页
第2章 蛋白质糖基化位点预测方法第19-34页
    2.1 蛋白质糖基化基础知识简介第19-22页
        2.1.1 蛋白质简介第19-20页
        2.1.2 氨基酸第20-21页
        2.1.3 蛋白质糖基化的定义及功能第21页
        2.1.4 蛋白质糖基化的类型第21-22页
    2.2 蛋白质序列数据集第22-24页
        2.2.1 PIR-PSD蛋白质数据库第22-23页
        2.2.2 SWISS-PROT蛋白质数据库第23页
        2.2.3 数据集的构建第23-24页
    2.3 编码方式第24-26页
        2.3.1 二进制编码第24-25页
        2.3.2 组成信息编码第25页
        2.3.3 双组成信息编码第25页
        2.3.4 位置特异性得分矩阵编码第25-26页
    2.4 分类方法第26-31页
        2.4.1 逻辑回归分类器(Logistic Regression Classifier)第26-27页
        2.4.2 支持向量机(Support Vector Machine,SVM)第27-29页
        2.4.3 深信度网络(Deep Belief Networks,DBN)第29-30页
        2.4.4 稀疏自动编码机(Sparse Autoencoder,SAE)第30-31页
    2.5 分类性能评估第31-32页
        2.5.1 交叉验证第31-32页
        2.5.2 预测模型性能指标第32页
    2.6 小结第32-34页
第3章 基于深度学习的糖基化位点预测第34-48页
    3.1 引言第34页
    3.2 数据集第34-37页
        3.2.1 数据来源第34-35页
        3.2.2 数据编码方式第35-37页
    3.3 模型与方法第37-39页
        3.3.1 深信度网络第37-38页
        3.3.2 稀疏自动编码机第38页
        3.3.3 支持向量机第38页
        3.3.4 混合模型第38-39页
    3.4 实验结果与分析第39-47页
        3.4.1 实现第39页
        3.4.2 参数选择第39-40页
        3.4.3 N-糖基化位点预测的结果第40-43页
        3.4.4 O-糖基化位点预测的结果第43-45页
        3.4.5 C-糖基化位点预测的结果第45-47页
    3.5 小结第47-48页
第4章 遗传算法优化深度学习在糖基化位点预测中的应用第48-62页
    4.1 引言第48页
    4.2 原理与方法第48-55页
        4.2.1 深度学习概述第48-49页
        4.2.2 遗传算法概述第49-53页
        4.2.3 遗传算法优化深度学习第53-55页
    4.3 数据集第55-56页
        4.3.1 数据来源第55-56页
        4.3.2 数据编码方式第56页
    4.4 实验结果与分析第56-61页
        4.4.1 参数的选择第56页
        4.4.2 实验结果分析第56-61页
    4.5 小结第61-62页
第5章 基于深度学习的糖基化位点预测软件第62-69页
    5.1 引言第62-65页
        5.1.1 系统功能第62-63页
        5.1.2 功能实现第63-65页
    5.2 测试方案第65页
        5.2.1 N-糖基化位点预测测试方案第65页
        5.2.2 O-糖期货位点预测测试方案第65页
        5.2.3 C-糖基化位点预测测试方案第65页
    5.3 测试结果分析第65-68页
        5.3.1 N-糖基化位点预测测试结果第65-66页
        5.3.2 O-糖基化位点预测测试结果第66-67页
        5.3.3 C-糖基化位点预测测试结果第67-68页
    5.4 小结第68-69页
结论第69-71页
参考文献第71-74页
致谢第74-75页
附录A 攻读学位期间取得的研究成果第75-76页
附录B 攻读学位期间所参与的研究项目第76页

论文共76页,点击 下载论文
上一篇:基于偏振检测的光纤振动传感系统灵敏度稳定性的研究与优化
下一篇:色散管理被动锁模掺铥光纤激光器的理论研究