首页--生物科学论文--生物化学论文--蛋白质论文

基于多类特征融合的蛋白质亚线粒体定位预测研究

摘要第1-6页
ABSTRACT第6-8页
目录第8-10页
第一章 绪论第10-26页
   ·研究背景和意义第10-13页
   ·国内外研究现状及分析第13-20页
     ·数据集第13-14页
     ·研究方法第14-19页
       ·物理化学性质(Submito)第14-15页
       ·遗传算法(GP-Loc)第15-16页
       ·自协方差算法(AC)第16-18页
       ·小波分析(DWT)第18-19页
     ·结果对比分析第19-20页
   ·线粒体概述第20-24页
     ·外膜(outer membrane)第22-23页
     ·膜间隙(intermembrane space)第23页
     ·内膜(inner membrane)第23页
     ·嵴(cristae)第23-24页
     ·基质(matrix space)第24页
   ·论文研究内容及安排第24-26页
第二章 特征提取及理论预测模型第26-50页
   ·引言第26-27页
   ·特征参数及提取方式第27-42页
     ·氨基酸组分信息(Amino acid composition,AAC)第27-28页
     ·二肽组分信息(Dipeptide composition,DC)第28-29页
     ·约化的6种物理化学性质(Reduced physicochemical properties,H6)第29-30页
     ·Gene ontology(GO)第30-31页
     ·进化信息(PSSM)第31-33页
     ·化学位移(Chemical shift)第33-39页
       ·化学位移及其本质第33页
       ·化学位移和蛋白二级结构关系第33-34页
       ·化学位移数据集第34页
       ·平均化学位移计算第34-37页
       ·蛋白质的平均化学位移特征提取第37-38页
       ·平均化学位移服务网站第38-39页
     ·氨基酸黏性(protein stickiness)第39-42页
       ·氨基酸黏性的定义第39-40页
       ·氨基酸黏性第40-41页
       ·氨基酸黏性特征参数提取第41-42页
   ·预测算法第42-47页
     ·离散增量算法第42-45页
       ·离散量第42-43页
       ·离散增量第43-44页
       ·离散增量算法第44-45页
     ·SVM算法第45-47页
     ·融合算法第47页
   ·算法评价第47-48页
   ·小结第48-50页
第三章 蛋白质亚线粒体定位预测第50-70页
   ·引言第50-51页
   ·数据集第51-59页
     ·数据集的建立第51-52页
     ·数据集对比分析第52-58页
     ·数据集网站第58-59页
   ·最优特征筛选第59-64页
     ·AAC第59-60页
     ·DC第60页
     ·H6第60-61页
     ·GO第61-62页
     ·psePSSM第62-63页
     ·acACS第63-64页
   ·预测算法第64-66页
     ·ID算法第64页
     ·ID-SVM算法第64-66页
   ·结果讨论第66-69页
     ·预测结果对比分析第66-68页
     ·结合氨基酸黏性的预测第68-69页
   ·小结第69-70页
第四章 讨论及其展望第70-78页
   ·引言第70-71页
   ·推广性检测第71-75页
     ·数据集第71-72页
     ·特征参数选取及算法第72-73页
     ·预测结果第73-74页
     ·结果对比分析第74页
     ·结果讨论第74-75页
   ·工作总结第75-76页
   ·展望第76-78页
参考文献第78-90页
附录第90-98页
致谢第98-99页
攻读博士学位期间发表和完成的学术论文第99页

论文共99页,点击 下载论文
上一篇:电子商务环境下中国乳制品企业商业模式创新研究
下一篇:对称微分算子的几类扩张问题