首页--生物科学论文--生物化学论文--蛋白质论文

基于深度学习的蛋白质翻译后修饰位点预测研究

提要第4-5页
摘要第5-8页
abstract第8-11页
第1章 绪论第16-28页
    1.1 课题研究背景第16-18页
    1.2 课题研究意义第18-20页
    1.3 课题研究现状第20-24页
        1.3.1 蛋白质序列表示的现状第20-22页
        1.3.2 蛋白质翻译后修饰位点预测的现状第22-23页
        1.3.3 现状分析第23-24页
    1.4 本文研究工作第24-25页
    1.5 章节安排第25-28页
第2章 深度学习的相关知识第28-42页
    2.1 卷积神经网络第28-30页
    2.2 循环神经网络第30-32页
    2.3 胶囊网络第32-35页
    2.4 深度学习中的关键技术第35-39页
        2.4.1 激活函数第35-36页
        2.4.2 Dropout机制第36-37页
        2.4.3 Early-stopping机制第37页
        2.4.4 损失函数第37-39页
    2.5 深度学习的网络训练方法第39-42页
第3章 基于深度学习的通用磷酸化位点预测方法第42-66页
    3.1 通用磷酸化位点预测问题定义第42-45页
        3.1.1 磷酸化生物背景介绍第42-43页
        3.1.2 通用磷酸化位点预测问题定义第43-44页
        3.1.3 以Musite为代表的其他磷酸化位点预测方法介绍第44-45页
    3.2 面向通用磷酸化位点预测问题的深度学习框架第45-53页
        3.2.1 氨基酸的离散型编码第45-46页
        3.2.2 基于双向注意力机制的MusiteDeep框架第46-48页
        3.2.3 模型超参数的选择第48-49页
        3.2.4 其他深度学习框架第49-53页
    3.3 针对不平衡训练数据的学习策略第53-55页
    3.4 实验验证与结果第55-64页
        3.4.1 通用磷酸化位点基准数据集第55-56页
        3.4.2 注意力机制的可视化展示第56-59页
        3.4.3 多种深度学习框架的比较结果第59页
        3.4.4 与提供训练过程的方法比较第59-60页
        3.4.5 与仅提供预测过程的方法比较第60-61页
        3.4.6 不同学习策略的比较第61-63页
        3.4.7 过学习的评估第63-64页
    3.5 本章结论与讨论第64-66页
第4章 基于迁移学习的激酶特异性磷酸化位点预测方法第66-80页
    4.1 激酶特异性磷酸化位点预测问题定义第66-67页
    4.2 面向激酶特异性磷酸化位点预测问题的深度学习框架第67-69页
    4.3 实验验证与结果第69-76页
        4.3.1 激酶特异性磷酸化位点基准数据集第69-70页
        4.3.2 迁移学习在小样本学习上的可视化展示第70-72页
        4.3.3 与现有方法的比较第72-76页
    4.4 MUSITEDEEP工具包的介绍第76-77页
    4.5 本章结论与讨论第77-80页
第5章 蛋白质翻译后修饰问题中的两种学习策略第80-88页
    5.1 物种间串行化训练策略第80-83页
        5.1.1 串行化训练方法第80-82页
        5.1.2 实验结果第82-83页
    5.2 模型并行化训练策略第83-86页
        5.2.1 并行化模型第83-85页
        5.2.2 实验结果第85-86页
    5.3 本章结论与讨论第86-88页
第6章 胶囊网络在蛋白质翻译后修饰预测问题中的应用第88-106页
    6.1 基于胶囊网络的蛋白质翻译后修饰位点预测方法第88-93页
        6.1.1 氨基酸的连续型编码方式第89-90页
        6.1.2 网络结构设计第90-92页
        6.1.3 模型的训练第92-93页
    6.2 实验验证与结果第93-103页
        6.2.1 基准数据集第93-94页
        6.2.2 胶囊网络在小样本训练集上的表现第94-96页
        6.2.3 预测可靠性的评估第96-97页
        6.2.4 胶囊网络与其他方法在多种PTM位点预测问题上的比较第97-98页
        6.2.5 胶囊的生物解释第98-103页
    6.3 本章结论与讨论第103-106页
第7章 全文工作总结与展望第106-110页
    7.1 全文工作总结第106-108页
    7.2 未来工作展望第108-110页
参考文献第110-118页
作者简介及在学期间所取得的科研成果第118-120页
致谢第120-121页

论文共121页,点击 下载论文
上一篇:煤矿蛇形搜寻机器人路径规划策略研究
下一篇:柔性/可拉伸微型电容器阵列的设计及其在集成可穿戴电子中的应用研究