基于机器学习方法的外显子跳跃事件研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究内容 | 第13-15页 |
| 第二章 生物学理论基础 | 第15-23页 |
| 2.1 选择性剪接基础 | 第15-16页 |
| 2.1.1 中心法则 | 第15页 |
| 2.1.2 选择性剪接 | 第15-16页 |
| 2.1.3 RNA-Seq数据 | 第16页 |
| 2.2 相关研究方法概述 | 第16-18页 |
| 2.3 相关数据库 | 第18-22页 |
| 2.3.1 GenBank | 第18-20页 |
| 2.3.2 EBI | 第20-21页 |
| 2.3.3 DDBJ | 第21页 |
| 2.3.4 UCSC | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于RNA-Seq数据和基因序列信息编码 | 第23-39页 |
| 3.1 引言 | 第23-25页 |
| 3.2 外显子跳跃事件相关数据来源介绍 | 第25页 |
| 3.3 RS特征编码介绍 | 第25-29页 |
| 3.3.1 序列特征 | 第25-26页 |
| 3.3.2 RNA-Seq特征 | 第26-29页 |
| 3.3.3 评估方法 | 第29页 |
| 3.4 分类方法 | 第29-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 外显子跳跃事件的预测与分析 | 第39-51页 |
| 4.1 RotaF-RSES框架流程图 | 第39页 |
| 4.2 基于随机森林不同特征集的比较 | 第39-42页 |
| 4.3 基于不同机器学习算法的比较 | 第42-44页 |
| 4.4 基于旋转森林不同特征集的比较 | 第44-45页 |
| 4.5 RotaF-RSES与其它方法的比较 | 第45-48页 |
| 4.6 RotaF-RSES在独立测试集上的预测 | 第48页 |
| 4.7 讨论 | 第48-49页 |
| 4.8 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-60页 |
| 附录A 图索引 | 第60-61页 |
| Appendix A Figure Index | 第61-62页 |
| 附录B 表索引 | 第62-63页 |
| Appendix B Table Index | 第63-64页 |
| 致谢 | 第64-66页 |
| 攻读硕士学位期间参与的科研项目与发表的论文 | 第66页 |
