基于深度学习的蛋白质二级结构预测模型研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状以及存在的问题 | 第9-11页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 存在的问题 | 第10-11页 |
| 1.2.3 本研究的提出 | 第11页 |
| 1.3 论文的研究内容 | 第11页 |
| 1.4 论文的章节组织 | 第11-14页 |
| 第2章 关键技术综述 | 第14-30页 |
| 2.1 蛋白质二级结构基础 | 第14-17页 |
| 2.2 蛋白质二级结构的测定 | 第17-18页 |
| 2.2.1 PSIPRED方法 | 第17-18页 |
| 2.2.2 PHD方法 | 第18页 |
| 2.3 蛋白质二级结构预测的神经网络方法 | 第18-26页 |
| 2.3.1 神经网络方法概述 | 第18-20页 |
| 2.3.2 卷积神经网络CNN | 第20-21页 |
| 2.3.3 循环神经网络RNN | 第21-24页 |
| 2.3.4 激活函数分类 | 第24-25页 |
| 2.3.5 优化器介绍 | 第25-26页 |
| 2.4 自动编码器 | 第26-28页 |
| 2.5 条件随机场 | 第28-30页 |
| 第3章 数据准备及特征构建 | 第30-38页 |
| 3.1 公共数据集介绍 | 第30-31页 |
| 3.2 序列编码与特征提取 | 第31-35页 |
| 3.3 评价指标 | 第35-38页 |
| 3.3.1 Q Score | 第35页 |
| 3.3.2 SOV Score | 第35-36页 |
| 3.3.3 相关系数指标 | 第36-38页 |
| 第4章 深度神经网络模型构建及实验结果分析 | 第38-48页 |
| 4.1 多重CNN模型 | 第38-41页 |
| 4.1.1 实验过程 | 第39-41页 |
| 4.1.2 实验结果和分析 | 第41页 |
| 4.2 基于BGRU和CRF的改进模型 | 第41-45页 |
| 4.2.1 实验过程 | 第41-44页 |
| 4.2.2 实验结果 | 第44-45页 |
| 4.3 不同模型的实验结果对比 | 第45-48页 |
| 第5章 结论与展望 | 第48-50页 |
| 5.1 结论 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 发表论文和参加科研情况说明 | 第54-55页 |
| 致谢 | 第55页 |
