| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 流感病毒(H3N2)抗原变异预测研究现状 | 第16-17页 |
| 1.2.2 病毒宿主预测研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 相关理论基础 | 第20-39页 |
| 2.1 生物学基础 | 第20-25页 |
| 2.1.1 病毒、流感病毒与宿主 | 第20-22页 |
| 2.1.2 抗原、抗原变异和抗原距离 | 第22-24页 |
| 2.1.3 基因序列和蛋白序列 | 第24-25页 |
| 2.1.4 CRISPRs序列和tRNA序列 | 第25页 |
| 2.2 序列比对的打分矩阵打分 | 第25-27页 |
| 2.2.1 等价矩阵 | 第26页 |
| 2.2.2 遗传密码矩阵(GCM) | 第26-27页 |
| 2.2.3 疏水矩阵 | 第27页 |
| 2.3 核苷酸序列编码方法 | 第27-30页 |
| 2.3.1 k-mer编码 | 第27-28页 |
| 2.3.2 二联核苷酸的相对丰度 | 第28页 |
| 2.3.3 碱基的关联性 | 第28-29页 |
| 2.3.4 信息理论 | 第29页 |
| 2.3.5 自然向量 | 第29-30页 |
| 2.4 分类方法 | 第30-36页 |
| 2.4.1 逻辑回归 | 第30-31页 |
| 2.4.2 决策树 | 第31-33页 |
| 2.4.3 随机森林 | 第33-34页 |
| 2.4.4 K近邻 | 第34-35页 |
| 2.4.5 支持向量机 | 第35-36页 |
| 2.5 Blast | 第36-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第三章 流感病毒的抗原变异预测 | 第39-49页 |
| 3.1 引言 | 第39页 |
| 3.2 数据和方法 | 第39-43页 |
| 3.2.1 数据 | 第39-40页 |
| 3.2.2 方法 | 第40-42页 |
| 3.2.3 分类性能评估 | 第42-43页 |
| 3.3 实验结果与分析 | 第43-48页 |
| 3.3.1 实现 | 第43页 |
| 3.3.2 参数选择 | 第43-44页 |
| 3.3.3 预测结果与分析 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 病毒宿主预测 | 第49-60页 |
| 4.1 引言 | 第49-50页 |
| 4.2 数据与方法 | 第50-53页 |
| 4.2.1 数据 | 第50页 |
| 4.2.2 方法 | 第50-53页 |
| 4.3 实验结果和分析 | 第53-59页 |
| 4.3.1 实现 | 第53-54页 |
| 4.3.2 结果与分析 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于深度学习的流感抗原变异预测系统 | 第60-66页 |
| 5.1 引言 | 第60页 |
| 5.2 相关技术 | 第60-62页 |
| 5.2.1 Python | 第61页 |
| 5.2.2 Tornado框架 | 第61页 |
| 5.2.3 JavaScript | 第61-62页 |
| 5.2.4 Matlab | 第62页 |
| 5.2.5 TensorFlow框架 | 第62页 |
| 5.3 系统实现 | 第62-63页 |
| 5.4 系统测试 | 第63-65页 |
| 5.4.1 测试方案 | 第63页 |
| 5.4.2 测试结果 | 第63-64页 |
| 5.4.3 样例解释 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 附录A 攻读学位期间取得的研究成果 | 第73-74页 |
| 附录B 病毒宿主预测结果 | 第74-78页 |
| 致谢 | 第78页 |