首页--生物科学论文--生物化学论文--蛋白质论文

基于深度学习架构的蛋白质远程残基接触预测研究

摘要第3-4页
abstract第4-5页
主要符号对照表第9-10页
第1章 前言第10-34页
    1.1 蛋白质结构预测第12-20页
        1.1.1 同源建模法第13-16页
        1.1.2 穿线法第16页
        1.1.3 从头预测法第16-20页
    1.2 蛋白质残基接触预测第20-28页
        1.2.1 蛋白质残基接触的特性第21-24页
        1.2.2 蛋白质残基接触对蛋白质结构预测的重要性第24-28页
    1.3 蛋白质残基接触预测的研究现状第28-31页
        1.3.1 基于结构的方法第28-29页
        1.3.2 基于序列的方法第29-31页
    1.4 本文的研究目的和意义第31-33页
    1.5 本文的结构安排第33-34页
第2章 材料与方法第34-39页
    2.1 数据集第34页
    2.2 深度信念网络(deep belief network, DBN)架构第34-37页
    2.3 组极大极小凹惩罚(group minimax concave penalty, group MCP)算法第37-39页
第3章 蛋白质二级结构片段接触的预测研究第39-52页
    3.1 引言第39页
    3.2 模型训练第39-43页
        3.2.1 数据集第39-40页
        3.2.2 DBN参数选取第40页
        3.2.3 Group MCP参数选取第40页
        3.2.4 特征提取第40-43页
        3.2.5 评价指标第43页
    3.3 结果与讨论第43-51页
        3.3.1 非冗余同源序列丰度的统计分析第43-45页
        3.3.2 不同特征集合下的预测效果比较第45-47页
        3.3.3 特征选择以进一步提高预测效果第47-48页
        3.3.4 在独立测试集上不同特征集合下的预测结果比较第48-49页
        3.3.5 使用预测的二级结构构建模型的预测效果第49-51页
    3.4 小结第51-52页
第4章 蛋白质远程残基接触的预测研究第52-75页
    4.1 引言第52-53页
    4.2 模型训练第53-58页
        4.2.1 数据集第54页
        4.2.2 DBN参数选取第54-55页
        4.2.3 Group MCP参数选取第55页
        4.2.4 特征提取第55-57页
        4.2.5 残基接触预测的进一步优化第57页
        4.2.6 评价指标第57-58页
    4.3 结果与讨论第58-74页
        4.3.1 参数优化结果第58-60页
        4.3.2 特征选择以进一步提高预测效果第60-64页
        4.3.3 在独立测试集上不同特征集合下的预测结果比较第64-65页
        4.3.4 残基接触预测的进一步优化第65页
        4.3.5 在CASP数据集上的预测效果比较第65-74页
    4.4 小结第74-75页
第5章 其它工作第75-94页
    5.1 引言第75-76页
    5.2 模型训练第76-81页
        5.2.1 数据集第76页
        5.2.2 特征提取第76-79页
        5.2.3 模型选择第79页
        5.2.4 特征选择第79-80页
        5.2.5 评价指标第80-81页
    5.3 结果和讨论第81-92页
        5.3.1 参数优化第81-83页
        5.3.2 特征选择以进一步提高预测效果第83-86页
        5.3.3 在训练集上和其它方法的比较第86-88页
        5.3.4 在独立测试集上和其它方法的比较第88-92页
    5.4 小结第92-94页
第6章 总结与展望第94-99页
    6.1 总结第94-97页
        6.1.1 蛋白质二级结构片段接触的预测研究第94-95页
        6.1.2 蛋白质远程残基接触的预测研究第95-96页
        6.1.3 其它工作第96-97页
    6.2 展望第97-99页
        6.2.1 蛋白质二级结构片段接触的预测研究第97页
        6.2.2 蛋白质远程残基接触的预测研究第97-98页
        6.2.3 其它工作第98-99页
参考文献第99-111页
致谢第111-113页
个人简历、在学期间发表的学术论文与研究成果第113页

论文共113页,点击 下载论文
上一篇:带有扩散的病毒感染动力学模型的全局动力学与行波解
下一篇:高余维光滑函数芽和强相对稳定映射芽的分类