用于蛋白质二级结构设计的深度生成模型的研究与应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 蛋白质二级结构的研究现状 | 第14-15页 |
| 1.2.2 深度生成模型的研究现状 | 第15-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.3.1 蛋白质二级结构数据库的创建 | 第17页 |
| 1.3.2 LSTM网络的构建与数据生成 | 第17-18页 |
| 1.3.3 ssp-SeqGAN网络的构建 | 第18页 |
| 1.3.4 分析实验结果并比较模型 | 第18页 |
| 1.4 论文结构安排 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 2 相关工作 | 第20-35页 |
| 2.1 语言模型 | 第20-21页 |
| 2.2 卷积神经网络 | 第21-23页 |
| 2.2.1 网络结构与计算 | 第21-23页 |
| 2.2.2 文本分类中的应用 | 第23页 |
| 2.3 循环神经网络 | 第23-28页 |
| 2.3.1 网络结构与计算 | 第24-25页 |
| 2.3.2 模型的训练 | 第25-26页 |
| 2.3.3 长短期记忆网络 | 第26-28页 |
| 2.4 生成式对抗网络 | 第28-30页 |
| 2.4.1 网络结构与计算 | 第28-30页 |
| 2.4.2 序列生成中的应用 | 第30页 |
| 2.5 强化学习 | 第30-34页 |
| 2.5.1 原理 | 第31-32页 |
| 2.5.2 序列生成中的应用 | 第32-33页 |
| 2.5.3 蒙特卡罗树搜索 | 第33-34页 |
| 2.6 蛋白质二级结构序列的预测 | 第34页 |
| 2.7 本章小结 | 第34-35页 |
| 3 LSTM设计蛋白质二级结构 | 第35-48页 |
| 3.1 蛋白质二级结构数据库的创建 | 第35-40页 |
| 3.1.1 PDB介绍 | 第35-39页 |
| 3.1.2 提取二级结构序列 | 第39-40页 |
| 3.1.3 数据预处理 | 第40页 |
| 3.2 基于LSTM模型的蛋白质二级结构序列生成 | 第40-47页 |
| 3.2.1 训练集的设计 | 第41-42页 |
| 3.2.2 模型的设计与训练 | 第42-44页 |
| 3.2.3 蛋白质二级结构序列的生成 | 第44页 |
| 3.2.4 结果分析 | 第44-47页 |
| 3.3 本章小结 | 第47-48页 |
| 4 基于SSP-SEQGAN的蛋白质二级结构设计 | 第48-65页 |
| 4.1 离散数据场景下的GAN | 第48-52页 |
| 4.1.1 离散数据介绍 | 第48-49页 |
| 4.1.2 GAN在离散数据上遇到的问题 | 第49-50页 |
| 4.1.3 GAN处理离散数据的改进 | 第50-52页 |
| 4.2 SSP-SEQGAN的原理 | 第52-55页 |
| 4.2.1 SeqGAN的基本原理 | 第52-54页 |
| 4.2.2 ssp-SeqGAN的设计 | 第54-55页 |
| 4.3 SSP-SEQGAN的实现与训练 | 第55-59页 |
| 4.3.1 判别器的设计 | 第55-57页 |
| 4.3.2 预训练时负样本的设计 | 第57页 |
| 4.3.3 模型的训练 | 第57-59页 |
| 4.4 结果对比与分析 | 第59-64页 |
| 4.4.1 随机生成样本的结果 | 第60页 |
| 4.4.2 SeqGAN生成样本的结果 | 第60-61页 |
| 4.4.3 SeqGAN-BN生成样本的结果 | 第61-62页 |
| 4.4.4 ssp-SeqGAN生成样本的结果 | 第62-63页 |
| 4.4.5 结果分析与对比 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 研究总结 | 第65页 |
| 5.2 工作展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
