核小体定位的理论预测与在线软件开发
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 生物信息学 | 第11页 |
| 1.2 机器学习 | 第11-12页 |
| 1.3 核小体定位理论及研究现状 | 第12-14页 |
| 1.4 本文主要内容及结构安排 | 第14-16页 |
| 第二章 数据集构建与特征提取 | 第16-25页 |
| 2.1 核小体实验数据集 | 第16-17页 |
| 2.2 分类预测数据集构建及优化 | 第17-20页 |
| 2.2.1 基准数据集构建过程 | 第17页 |
| 2.2.2 分类数据集的优化 | 第17-20页 |
| 2.3 特征的提取 | 第20-24页 |
| 2.3.1 核苷酸频率 | 第20页 |
| 2.3.2 伪核苷酸组分 | 第20-24页 |
| 2.4 小结 | 第24-25页 |
| 第三章 分类算法及分类结果的评价指标 | 第25-31页 |
| 3.1 分类算法 | 第25-28页 |
| 3.1.1 支持向量机简介 | 第25-26页 |
| 3.1.1.1 线性可分的情况 | 第25-26页 |
| 3.1.1.2 线性条件下不可分类 | 第26页 |
| 3.1.2 LIBSVM软件包简介 | 第26-28页 |
| 3.2 分类结果的评价指标 | 第28-30页 |
| 3.2.1 敏感性、特异性、总体精度、相关系数 | 第28-29页 |
| 3.2.2 ROC曲线 | 第29-30页 |
| 3.3 小结 | 第30-31页 |
| 第四章 分类结果与讨论 | 第31-39页 |
| 4.1 分类结果 | 第31-34页 |
| 4.1.1 交叉检验 | 第31-32页 |
| 4.1.2 参数优化 | 第32-33页 |
| 4.1.3 预测精度 | 第33-34页 |
| 4.2 与其他文献结果的对比 | 第34-36页 |
| 4.3 在线服务软件介绍 | 第36-38页 |
| 4.4 小结 | 第38-39页 |
| 第五章 基于PseKNC方法的扩展应用 | 第39-47页 |
| 5.1 PseKNC方法在转录起始位点中的应用 | 第39-42页 |
| 5.1.1 转录起始位点简介 | 第39页 |
| 5.1.2 核小体与转录起始位点关系统计 | 第39-42页 |
| 5.2 PseKNC在减数分裂重组中的应用 | 第42-46页 |
| 5.2.1 减数分裂重组位点简介 | 第42-43页 |
| 5.2.2 数据及方法 | 第43-44页 |
| 5.2.3 结果讨论 | 第44-46页 |
| 5.3 小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 本文工作的总结 | 第47-48页 |
| 6.2 未来工作的展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-57页 |
| 攻读硕士期间研究成果 | 第57-58页 |
