基于氨基酸序列信息的酰胺化位点预测
摘要 | 第3-4页 |
abstract | 第4页 |
第1章 绪论 | 第7-13页 |
1.1 研究背景及意义 | 第7-8页 |
1.2 国内外研究现状 | 第8-10页 |
1.2.1 研究现状 | 第8-9页 |
1.2.2 现存的问题 | 第9-10页 |
1.2.3 方法的提出 | 第10页 |
1.3 本文的主要工作 | 第10-11页 |
1.4 本文的结构安排 | 第11-13页 |
第2章 关键技术综述 | 第13-23页 |
2.1 相关生物知识介绍 | 第13-16页 |
2.1.1 翻译后修饰 | 第13-14页 |
2.1.2 酰胺化修饰 | 第14-16页 |
2.2 机器学习算法介绍 | 第16-23页 |
2.2.1 支持向量机算法 | 第16-18页 |
2.2.2 K近邻算法 | 第18-21页 |
2.2.3 朴素贝叶斯算法 | 第21-23页 |
第3章 特征提取方法 | 第23-35页 |
3.1 实验数据 | 第23-25页 |
3.2 特征提取方法概述 | 第25页 |
3.3 基于氨基酸组成的方法 | 第25-27页 |
3.3.1 氨基酸组成 | 第25-26页 |
3.3.2 伪氨基酸组成 | 第26-27页 |
3.4 基于理化性质的方法 | 第27-30页 |
3.4.1 高质量指数 | 第27-29页 |
3.4.2 氨基酸因子 | 第29-30页 |
3.5 基于位置特异性的方法 | 第30-35页 |
3.5.1 氨基酸位置特异性倾向 | 第30-31页 |
3.5.2 K-间隔氨基酸对相关性 | 第31-35页 |
第4章 特征选择和评估方法 | 第35-39页 |
4.1 特征选择方法 | 第35-36页 |
4.2 评估方法 | 第36-39页 |
第5章 实验结果及分析 | 第39-47页 |
5.1 工作流程 | 第39-40页 |
5.2 特征选择 | 第40-42页 |
5.3 结果分析 | 第42-47页 |
5.3.1 精度分析 | 第42-43页 |
5.3.2 特征分析 | 第43-47页 |
第6章 总结和展望 | 第47-49页 |
6.1 全文总结 | 第47-48页 |
6.2 工作展望 | 第48-49页 |
参考文献 | 第49-53页 |
发表论文和参加科研情况说明 | 第53-55页 |
致谢 | 第55页 |