基于深度信念网络的理论质谱预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 背景知识 | 第8-16页 |
| 1.2.1 生物背景知识 | 第8-13页 |
| 1.2.2 串联质谱技术 | 第13-15页 |
| 1.2.3 数据库搜索方法 | 第15-16页 |
| 1.3 国内外研究水平和发展趋势 | 第16-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 1.5 论文主要研究内容及创新点 | 第19-20页 |
| 1.5.1 论文主要研究内容 | 第19页 |
| 1.5.2 论文创新点 | 第19-20页 |
| 第二章 深度信念网络 | 第20-28页 |
| 2.1 深度学习 | 第20页 |
| 2.2 受限玻尔兹曼机 | 第20-24页 |
| 2.2.1 RBM的网络结构 | 第21-22页 |
| 2.2.2 神经元之间的条件独立性 | 第22页 |
| 2.2.3 RBM的使用过程 | 第22-23页 |
| 2.2.4 RBM的训练 | 第23-24页 |
| 2.3 深度信念网络 | 第24-27页 |
| 2.3.1 DBN的网络结构 | 第24-25页 |
| 2.3.2 DBN的训练 | 第25-26页 |
| 2.3.3 DBN参数微调 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 数据处理 | 第28-41页 |
| 3.1 数据准备 | 第28-30页 |
| 3.1.1 质谱数据 | 第28-29页 |
| 3.1.2 实验数据库 | 第29-30页 |
| 3.2 数据搜索 | 第30-35页 |
| 3.2.1 蛋白质鉴定软件简介 | 第31-34页 |
| 3.2.2 搜索参数确定 | 第34-35页 |
| 3.3 分析鉴定结果 | 第35-40页 |
| 3.3.1 提取PSMs | 第35-37页 |
| 3.3.2 假发现率计算 | 第37-38页 |
| 3.3.3 整合鉴定结果 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 模型训练 | 第41-47页 |
| 4.1 离子特征 | 第41-42页 |
| 4.2 强度信息 | 第42-43页 |
| 4.2.1 计算质荷比 | 第42-43页 |
| 4.2.2 离子强度值 | 第43页 |
| 4.3 模型训练参数 | 第43-46页 |
| 4.3.1 皮尔森相关系数 | 第43-44页 |
| 4.3.2 模型参数确定 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验结果 | 第47-51页 |
| 5.1 结果分析 | 第47-50页 |
| 5.1.1 实验结果分析 | 第47-50页 |
| 5.1.2 实验方法对比 | 第50页 |
| 5.2 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 在读期间公开发表的论文 | 第56-57页 |
| 致谢 | 第57页 |
