首页--生物科学论文--生物化学论文--一般性问题论文--生物化学技术论文

联合特征驱动方法和模板方法预测蛋白质的核酸绑定残基

摘要第1-8页
Abstract第8-10页
缩略语表第10-11页
1 引言第11-20页
   ·核酸绑定蛋白的生物学意义第11-12页
   ·研究核酸绑定蛋白的实验方法以及相关数据库第12-14页
     ·EMSA和Pull-down实验第13页
     ·X射线晶体衍射和NMR第13页
     ·核酸蛋白复合物数据库第13-14页
   ·研究核酸绑定蛋白质的生物信息学方法第14-18页
     ·特征驱动方法第14-16页
     ·模板方法第16-17页
     ·特征驱动方法和模板方法的联合第17-18页
   ·本研究的目的与意义第18-20页
2 基于结构信息预测RNA绑定残基第20-42页
   ·前言第20页
   ·材料与方法第20-29页
     ·数据来源第20-23页
     ·特征值的选取第23-26页
     ·特征驱动方法的构建第26页
     ·模板方法的构建第26页
     ·最终的预测模型第26-27页
     ·预测效果评价第27-28页
     ·与其它基于结构信息算法的比较第28-29页
   ·结果与分析第29-41页
     ·RNA绑定残基的特征描述第29-31页
     ·采用RB264 评价特征驱动方法第31-32页
     ·采用RB264 评价模板方法第32-33页
     ·采用RB264 评价整合方法第33-34页
     ·采用RB264 评价其它独立和综合的算法第34-35页
     ·对游离态和结合态结构数据集进行独立测试第35-36页
     ·对真实的和模拟的结构数据集进行独立测试第36-38页
     ·对不同功能RNA结合的蛋白质数据集进行独立测试第38-39页
     ·对基准数据集RB44 进行独立测试第39-40页
     ·本章算法的局限性第40-41页
   ·小结第41-42页
3 基于序列信息预测核酸绑定残基第42-62页
   ·前言第42页
   ·材料与方法第42-48页
     ·数据来源第42-44页
     ·基于序列信息的残基描述第44-47页
     ·SNBRFinderF:基于序列信息的特征驱动方法第47页
     ·SNBRFinderT:基于序列信息的模板预测方法第47页
     ·SNBRFinder:基于序列信息的联合方法第47-48页
     ·测试过程和评价方法第48页
   ·结果与讨论第48-61页
     ·应用5倍交叉验证方法评价特征驱动算法第48-50页
     ·不同的机器学习算法和训练集对于特征驱动方法的影响第50-51页
     ·应用5倍交叉验证方法评价模板方法第51-52页
     ·应用5倍交叉验证方法评价联合策略第52-53页
     ·使用不同数据集评价上述预测模型第53-54页
     ·与其它序列和结构方法进行比较第54-56页
     ·与基于结构模型构建的预测方法进行比较第56-57页
     ·与现有序列方法进行比较第57-59页
     ·采用非核酸绑定蛋白数据集评价本章算法第59-61页
   ·小结第61-62页
4 总结与展望第62-63页
参考文献第63-67页
附录第67-75页
攻读硕士期间发表的论文第75-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:猪肝脏特异性TTR基因启动子驱动扣囊复膜孢酵母菌BGL1基因在转基因鼠中的表达验证
下一篇:线虫和水稻中环状RNA的预测及分析