| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 引言 | 第13-14页 |
| 1.2 RNA的结构 | 第14-20页 |
| 1.2.1 一级结构 | 第14-15页 |
| 1.2.2 二级结构 | 第15-19页 |
| 1.2.3 三级结构 | 第19-20页 |
| 1.2.4 四级结构 | 第20页 |
| 1.3 RNA的功能 | 第20-21页 |
| 1.4 RNA三级结构预测方法回顾 | 第21-27页 |
| 1.4.1 基于知识的预测方法 | 第21-23页 |
| 1.4.1.1 基于图像的方法 | 第21-22页 |
| 1.4.1.2 基于同源建模的方法 | 第22-23页 |
| 1.4.2 基于物理的预测方法 | 第23-25页 |
| 1.4.2.1 全原子模型 | 第23页 |
| 1.4.2.2 粗粒化模型 | 第23-25页 |
| 1.4.3 三级结构预测面对的挑战和展望 | 第25-27页 |
| 第二章 RNA loop 三级结构预测 | 第27-45页 |
| 2.1 引言 | 第27-28页 |
| 2.2 模型与方法 | 第28-36页 |
| 2.2.1 粗粒化模型 | 第28-30页 |
| 2.2.2 概率性地产生二面角的值 | 第30-33页 |
| 2.2.3 序贯蒙特卡洛法长链 | 第33-35页 |
| 2.2.4 模拟退火优化 | 第35页 |
| 2.2.5 统计势能函数 | 第35-36页 |
| 2.3 结果与分析 | 第36-42页 |
| 2.3.1 针对含有9个RNA的测试集的预测结果与比较 | 第36-38页 |
| 2.3.2 针对核糖体RNA的预测结果 | 第38-39页 |
| 2.3.3 针对RNA 3D Hub数据集的测试结果 | 第39-42页 |
| 2.4 总结与讨论 | 第42-45页 |
| 第三章 基于人工神经网络的用于RNA三级结构预测的打分函数 | 第45-77页 |
| 3.1 打分函数 | 第45-51页 |
| 3.2 人工神经网络与机器学习 | 第51-57页 |
| 3.3 基于神经网络的打分函数 | 第57-77页 |
| 3.3.1 RNA粗粒化模型打分函数 | 第58-69页 |
| 3.3.1.1 模型与方法 | 第58-65页 |
| 3.3.1.2 结果与分析 | 第65-69页 |
| 3.3.2 RNA全原子模型打分函数 | 第69-77页 |
| 3.3.2.1 模型与方法 | 第69-70页 |
| 3.3.2.2 结果与分析 | 第70-77页 |
| 第四章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-89页 |
| 论文列表 | 第89-91页 |
| 致谢 | 第91-92页 |
