基于随机森林的外显子剪接增强子识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题背景及研究的目的和意义 | 第9-10页 |
| ·国内外发展现状 | 第10-13页 |
| ·本文主要研究内容与章节安排 | 第13-15页 |
| 第2章 识别外显子剪接增强子的技术 | 第15-28页 |
| ·相关概念介绍 | 第15-16页 |
| ·选择性剪接的分子生物学原理 | 第16-18页 |
| ·基因表达调控与选择性剪接 | 第16-17页 |
| ·pre-mRNA 的选择性剪接过程 | 第17-18页 |
| ·选择性剪接的调控机制与调控因子 | 第18-21页 |
| ·选择性剪接的调控机制 | 第18-19页 |
| ·选择性剪接的调控因子 | 第19-21页 |
| ·外显子剪接增强子的作用 | 第21页 |
| ·识别外显子剪接增强子的方法 | 第21-27页 |
| ·现有的识别方法 | 第22-25页 |
| ·现有方法缺陷与改进 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 识别外显子剪接增强子的分类器设计 | 第28-45页 |
| ·引言 | 第28页 |
| ·启发式训练数据集的设计 | 第28-33页 |
| ·启发式信息 | 第28-29页 |
| ·FASTA 格式介绍 | 第29-30页 |
| ·构建训练正例集 | 第30-31页 |
| ·构建训练反例集 | 第31-32页 |
| ·训练数据集的格式 | 第32-33页 |
| ·分类特征的设计 | 第33-37页 |
| ·序列特征信息的选择 | 第33-35页 |
| ·SR 蛋白信息的选择 | 第35-36页 |
| ·分类特征的组合设计 | 第36-37页 |
| ·分类器的设计 | 第37-44页 |
| ·基于决策树分类算法的分类器设计 | 第37-40页 |
| ·基于随机森林分类算法的分类器设计 | 第40-43页 |
| ·交叉验证 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 算法实现与结果分析 | 第45-56页 |
| ·引言 | 第45页 |
| ·实验环境与数据来源 | 第45页 |
| ·实验环境 | 第45页 |
| ·数据来源 | 第45页 |
| ·系统设计图 | 第45-46页 |
| ·数据的预处理 | 第46-48页 |
| ·分类器优化与实验结果分析 | 第48-55页 |
| ·分类特征的优化 | 第48-50页 |
| ·训练数据集的优化 | 第50-51页 |
| ·分类算法的参数优化 | 第51-53页 |
| ·与现有方法的比较 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |
