| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-12页 |
| 1.3 国内外相关技术发展现状 | 第12-16页 |
| 1.3.1 结构已知的 DNA 结合蛋白质预测 | 第12-13页 |
| 1.3.2 结构未知的 DNA 结合蛋白质预测 | 第13-16页 |
| 1.4 本文的主要研究内容和组织结构 | 第16-19页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 论文组织结构 | 第17-19页 |
| 第2章 基于 TOP-N-GRAM 的 DNA 结合蛋白质预测 | 第19-33页 |
| 2.1 引言 | 第19页 |
| 2.2 蛋白质频率谱 | 第19-21页 |
| 2.2.1 PSI-BLAST 多序列比对方法 | 第19-20页 |
| 2.2.2 蛋白质频率谱计算方法 | 第20-21页 |
| 2.3 基于 TOP-N-GRAM 的蛋白质向量化方法研究 | 第21-24页 |
| 2.3.1 Top-n-gram 向量化方法 | 第21-22页 |
| 2.3.2 支持向量机 | 第22-24页 |
| 2.4 实验结果与分析 | 第24-32页 |
| 2.4.1 实验数据集 | 第24-26页 |
| 2.4.2 实验设置 | 第26-28页 |
| 2.4.3 性能评估 | 第28-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于 PSSM-DT 的 DNA 结合蛋白质预测 | 第33-47页 |
| 3.1 引言 | 第33页 |
| 3.2 位置特异性分数矩阵(PSSM) | 第33-34页 |
| 3.3 基于 ACC 的 DNA 结合蛋白质预测 | 第34-35页 |
| 3.4 基于 PSSM-DT 的蛋白质向量化方法 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-45页 |
| 3.5.1 实验数据集 | 第36-37页 |
| 3.5.2 性能评估 | 第37-41页 |
| 3.5.3 特征分析 | 第41-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 基于集成学习的 DNA 结合蛋白质预测 | 第47-63页 |
| 4.1 引言 | 第47页 |
| 4.2 基于 CDT 的蛋白质向量化方法 | 第47-49页 |
| 4.3 集成学习技术在 DNA 结合蛋白质预测上的应用研究 | 第49-53页 |
| 4.4 实验结果与分析 | 第53-61页 |
| 4.4.1 实验数据集 | 第53页 |
| 4.4.2 实验设置 | 第53-54页 |
| 4.4.3 训练集扩展前 enDNA-Prot 的性能 | 第54-56页 |
| 4.4.4 训练集扩展后 enDNA-Prot 的性能 | 第56-59页 |
| 4.4.5 Top-n-gram 和 PSSM-DT 方法在 enDNA-Prot 模型上的应用 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |
