| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 研究现状 | 第10页 |
| 1.2.2 存在的问题 | 第10-11页 |
| 1.2.3 本研究的提出 | 第11-12页 |
| 1.3 论文的研究内容和主要工作 | 第12页 |
| 1.4 论文的结构安排 | 第12-15页 |
| 第二章 核苷酸结合蛋白的综述和数据来源 | 第15-21页 |
| 2.1 核苷酸结合蛋白 | 第15-17页 |
| 2.1.1 DNA-binding蛋白的定义和结构 | 第15-16页 |
| 2.1.2 RNA-binding蛋白的定义和结构 | 第16-17页 |
| 2.2 数据来源和构造 | 第17-21页 |
| 2.2.1 数据的来源 | 第17页 |
| 2.2.2 DNA-binding蛋白的正反例构造 | 第17-19页 |
| 2.2.3 RNA-binding蛋白的正反例构造 | 第19-21页 |
| 第三章 序列特征提取方法和分类器综述 | 第21-27页 |
| 3.1 特征提取方法 | 第21-23页 |
| 3.1.1 理化特性法 | 第21-22页 |
| 3.1.2 n-gram法 | 第22-23页 |
| 3.1.3 188D | 第23页 |
| 3.2 分类器的选择 | 第23-27页 |
| 3.2.1 逻辑回归模型简介 | 第23-24页 |
| 3.2.2 支持向量机模型简介 | 第24-27页 |
| 第四章 深度学习模型 | 第27-41页 |
| 4.1 深度学习的历史、背景 | 第27-29页 |
| 4.2 只利用序列信息来预测核苷酸结合蛋白的深度学习模型 | 第29-41页 |
| 4.2.1 模型总体概况 | 第29-30页 |
| 4.2.2 数据预处理 | 第30-31页 |
| 4.2.3 嵌入过程（Embedding Stage） | 第31-32页 |
| 4.2.4 卷积阶段（Convolution Stage） | 第32-34页 |
| 4.2.5 长短期记忆神经网络阶段（Long-Short term Neural Network Stage） | 第34-35页 |
| 4.2.6 密集化阶段（Dense stage） | 第35-36页 |
| 4.2.7 损失函数、优化方法 | 第36页 |
| 4.2.8 反向传播算法 | 第36-38页 |
| 4.2.9 实验用到的框架以及参数选择 | 第38-41页 |
| 第五章 实验结果及分析 | 第41-53页 |
| 5.1 识别RNA结合蛋白的实验结果对比以及说明 | 第41-45页 |
| 5.1.1 在平衡数据集上的结果 | 第41-42页 |
| 5.1.2 在非平衡数据集上的实验结果 | 第42-44页 |
| 5.1.3 与其他特征提取方法的结果对比 | 第44-45页 |
| 5.2 识别DNA结合蛋白的实验结果对比以及说明 | 第45-48页 |
| 5.2.1 在平衡数据集上的结果 | 第45-46页 |
| 5.2.2 在非平衡数据集上的结果 | 第46-47页 |
| 5.2.3 多物种实验结果对比 | 第47-48页 |
| 5.3 不同深度下实验精度和收敛速度对比 | 第48-53页 |
| 第六章 总结和展望 | 第53-55页 |
| 6.1 全文总结 | 第53-54页 |
| 6.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表论文和参加科研情况说明 | 第59-61页 |
| 致谢 | 第61-62页 |
