基于SVM算法的微小RNA靶标预测研究
| 目录 | 第1-6页 |
| 图目录 | 第6-7页 |
| 表目录 | 第7-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-22页 |
| ·微小RNA基因的研究进展 | 第12-15页 |
| ·微小RNA研究的兴起 | 第12-13页 |
| ·微小RNA的生物学原理 | 第13-14页 |
| ·微小RNA靶基因的研究现状 | 第14-15页 |
| ·生物信息学中的计算方法 | 第15-20页 |
| ·Perl与Bioperl | 第16-17页 |
| ·机器学习与支持向量机(SVM) | 第17-20页 |
| ·研究意义 | 第20页 |
| ·研究思路及内容 | 第20-21页 |
| ·本文结构安排 | 第21-22页 |
| 第二章 微小RNA靶标预测研究现状 | 第22-30页 |
| ·微小RNA靶标配对参考规则 | 第22-23页 |
| ·靶标预测软件 | 第23-26页 |
| ·miRanda | 第24-25页 |
| ·TargetScan | 第25页 |
| ·RNA22 | 第25-26页 |
| ·RNAhybrid | 第26页 |
| ·PicTar | 第26页 |
| ·靶标预测算法小结 | 第26-30页 |
| 第三章 微小RNA相关数据库及研究数据收集 | 第30-40页 |
| ·微小RNA及靶标相关数据库 | 第30页 |
| ·数据来源 | 第30-34页 |
| ·微小RNA基因数据 | 第30-32页 |
| ·微小RNA靶标数据 | 第32-33页 |
| ·UTR及CDS数据 | 第33-34页 |
| ·基因数据的获取及处理 | 第34-40页 |
| ·基因数据获取 | 第34-37页 |
| ·基因数据处理 | 第37-40页 |
| 第四章 基于SVM的靶标预测算法研究 | 第40-64页 |
| ·靶标上下文特征分析 | 第40-58页 |
| ·正负集数据构建 | 第40-43页 |
| ·靶标基因长度 | 第43-44页 |
| ·靶标位置特征 | 第44-45页 |
| ·自由能特征 | 第45-47页 |
| ·碱基含量特征 | 第47-51页 |
| ·靶标位点密度特征 | 第51页 |
| ·motif特征 | 第51-57页 |
| ·特征选取小结 | 第57-58页 |
| ·svMicroTar算法整体设计与优化 | 第58-61页 |
| ·SVM核函数选择 | 第60页 |
| ·SVM训练与参数优化 | 第60-61页 |
| ·svMicroTar测试与评价 | 第61-62页 |
| ·结果评估与小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文 | 第74页 |
