基于多模型深层结构的大规模蛋白质泛素化位点预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 蛋白质泛素化翻译后修饰的研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作及组织结构 | 第11-12页 |
| 第二章 蛋白质泛素化位点数据特征提取方法 | 第12-16页 |
| 2.1 蛋白质片段 | 第12-13页 |
| 2.2 理化属性 | 第13-14页 |
| 2.3 进化保守性 | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 第三章 深度学习 | 第16-28页 |
| 3.1 卷积神经网络 | 第16-23页 |
| 3.1.1 国内外研究现状 | 第16页 |
| 3.1.2 卷积层的局部连接和权值共享 | 第16-17页 |
| 3.1.3 数据输入层 | 第17页 |
| 3.1.4 卷积层 | 第17-18页 |
| 3.1.5 激活层 | 第18-21页 |
| 3.1.6 池化层 | 第21页 |
| 3.1.7 全连接层 | 第21-23页 |
| 3.2 深度神经网络 | 第23-27页 |
| 3.2.1 DNN的基本结构 | 第24-25页 |
| 3.2.2 DNN前向传播原理 | 第25页 |
| 3.2.3 DNN前向传播算法 | 第25-26页 |
| 3.2.4 DNN反向传播算法 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 构建蛋白质泛素化位点模型 | 第28-34页 |
| 4.1 数据来源 | 第28页 |
| 4.2 多模型深度结构搭建 | 第28-32页 |
| 4.3 预测性能分析 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 实验结果讨论与分析 | 第34-40页 |
| 5.1 多模型深层结构的表现 | 第34-36页 |
| 5.2 和支持向量机对比实验 | 第36-37页 |
| 5.3 对比于现存蛋白质泛素化位点预测模型 | 第37-38页 |
| 5.4 和现有工具使用的数据集对比 | 第38-39页 |
| 5.5 本章小结 | 第39-40页 |
| 第六章 总结与展望 | 第40-41页 |
| 参考文献 | 第41-43页 |
| 致谢 | 第43-45页 |
| 在学期间公开发表论文及著作情况 | 第45页 |
