基于阿贝尔复杂度方法的全基因组DNA甲基化的预测
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 缩略词表 | 第10-11页 |
| 1 引言 | 第11-19页 |
| 1.1 DNA甲基化 | 第11-13页 |
| 1.2 DNA甲基化的测定方法 | 第13-15页 |
| 1.3 DNA甲基化的预测 | 第15-17页 |
| 1.4 本文的解决方案 | 第17-19页 |
| 2 材料与方法 | 第19-30页 |
| 2.1 数据来源 | 第19页 |
| 2.2 数据预处理 | 第19-21页 |
| 2.3 特征提取 | 第21-24页 |
| 2.3.1 阿贝尔复杂度的计算 | 第21-23页 |
| 2.3.2 改进的DNA组分的计算 | 第23页 |
| 2.3.3 特征矩阵标准化 | 第23-24页 |
| 2.4 本文所涉及到的机器学习方法 | 第24-25页 |
| 2.5 Window大小的选取 | 第25-26页 |
| 2.6 阿贝尔复杂度的特征筛选 | 第26-28页 |
| 2.7 模型评价指标 | 第28-30页 |
| 2.7.1 10 折交叉验证 | 第28页 |
| 2.7.2 利用数目均衡的正负样本进行评估 | 第28-30页 |
| 3 结果与分析 | 第30-39页 |
| 3.1 数据预处理 | 第30-31页 |
| 3.2 Window大小的选取 | 第31-32页 |
| 3.3 机器学习算法的比较 | 第32-34页 |
| 3.4 阿贝尔复杂度的特征筛选 | 第34-36页 |
| 3.5 阿贝尔复杂度对模型的贡献 | 第36-39页 |
| 4 总结与讨论 | 第39-41页 |
| 参考文献 | 第41-47页 |
| 附录 | 第47-51页 |
| 附录 A 阿贝尔复杂度计算程序 | 第47-49页 |
| 优化前 | 第47页 |
| 优化后 | 第47-49页 |
| 附录 B 附表 | 第49-50页 |
| 附录 C 附图 | 第50-51页 |
| 致谢 | 第51-52页 |
