| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题背景 | 第11-15页 |
| ·RNA 干扰的发现 | 第11-12页 |
| ·RNA 干扰的原理和特征 | 第12-13页 |
| ·RNA 干扰的作用 | 第13页 |
| ·RNA 干扰的价值 | 第13-15页 |
| ·研究内容及国内外研究现状 | 第15-18页 |
| ·RNA 干扰技术的关键环节 | 第15页 |
| ·国外研究现状 | 第15-17页 |
| ·国内研究现状 | 第17-18页 |
| ·论文的研究内容与创新点 | 第18-19页 |
| ·论文概述 | 第19-20页 |
| 第二章 数据分析与特征提取 | 第20-30页 |
| ·数据来源 | 第20-21页 |
| ·RNA 干扰实验简介 | 第20页 |
| ·目前主要数据库 | 第20-21页 |
| ·数据库的选取 | 第21页 |
| ·数据分析 | 第21-22页 |
| ·特征分析与特征提取 | 第22-30页 |
| ·siRNA 序列碱基特征 | 第22-24页 |
| ·siRNA 序列片段特征 | 第24-26页 |
| ·热力学特征 | 第26-29页 |
| ·结构特征 | 第29-30页 |
| 第三章 模型构建 | 第30-42页 |
| ·MRNA 二级结构自由能与RNA 干扰效率之间关系研究 | 第30-33页 |
| ·特征变量筛选 | 第30-31页 |
| ·稳定性分析 | 第31-33页 |
| ·筛选结果 | 第33页 |
| ·基于支持向量机方法的模型构建 | 第33-38页 |
| ·支持向量机方法 | 第34-35页 |
| ·遗传算法 | 第35页 |
| ·特征变量筛选 | 第35-37页 |
| ·基于遗传算法与SVM 的分类器构建 | 第37-38页 |
| ·基于人工神经网络方法的模型构建 | 第38-42页 |
| ·人工神经网络方法 | 第38-39页 |
| ·集成学习方法 | 第39-40页 |
| ·基于Bagging 方法的神经网络分类器构建 | 第40-42页 |
| 第四章 结果与讨论 | 第42-48页 |
| ·分类效果及讨论 | 第42-43页 |
| ·特征选取的讨论 | 第43-44页 |
| ·模型构建的讨论 | 第44-48页 |
| ·采用GA 算法搜索SVM 参数 | 第44-45页 |
| ·采用集成提高分类器性能 | 第45-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·全文总结 | 第48-49页 |
| ·后续工作 | 第49-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 作者在学习期间取得的学术成果 | 第58页 |