基于重复信息测定与卷积神经网络的蛋白质亚细胞定位研究
| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要内容及结构安排 | 第13-16页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 结构安排 | 第13-16页 |
| 第二章 蛋白质亚细胞定位的基本理论 | 第16-25页 |
| 2.1 蛋白质基本性质及亚细胞定位简介 | 第16-18页 |
| 2.2 传统生物学实验方法 | 第18-19页 |
| 2.3 生物信息学方法 | 第19-21页 |
| 2.4 蛋白质亚细胞定位的数据库及数据集 | 第21-22页 |
| 2.5 蛋白质亚细胞定位的分类评估方法 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 蛋白质亚细胞定位的特征提取方法 | 第25-38页 |
| 3.1 传统特征提取方法 | 第25-31页 |
| 3.1.1 蛋白质N端分选信号特征 | 第25-27页 |
| 3.1.2 基因本体特征 | 第27-28页 |
| 3.1.3 功能域信息特征 | 第28页 |
| 3.1.4 信息增益特征 | 第28页 |
| 3.1.5 氨基酸理化性质特征 | 第28-30页 |
| 3.1.6 两性伪氨基酸特征 | 第30-31页 |
| 3.2 本文提出的特征提取方法 | 第31-37页 |
| 3.2.1 R-Dipeptide特征 | 第31-33页 |
| 3.2.2 I-PseAAC特征 | 第33-36页 |
| 3.2.3 PseAAC2特征 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 蛋白质亚细胞定位的分类算法 | 第38-50页 |
| 4.1 支持向量机 | 第38-40页 |
| 4.2 BP神经网络 | 第40-41页 |
| 4.3 多标签K近邻算法 | 第41-42页 |
| 4.4 卷积神经网络 | 第42-46页 |
| 4.5 卷积神经网络的训练算法的改进 | 第46-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 实验结果对比分析 | 第50-62页 |
| 5.1 病毒蛋白数据集 | 第50-57页 |
| 5.1.1 数据集 | 第50-51页 |
| 5.1.2 特征提取方法比较 | 第51-55页 |
| 5.1.3 分类算法比较 | 第55-57页 |
| 5.2 革兰氏阴性菌蛋白数据集 | 第57-61页 |
| 5.2.1 数据集 | 第57-58页 |
| 5.2.2 特征提取方法比较 | 第58页 |
| 5.2.3 分类算法比较 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 结束语 | 第62-64页 |
| 6.1 全文总结 | 第62-63页 |
| 6.2 研究设想和展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-71页 |
