基于深度迁移学习的赖氨酸乙酰化位点预测问题的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 蛋白质乙酰化翻译后修饰的研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作及组织结构 | 第11-13页 |
| 第二章 提取蛋白质乙酰化位点数据特征 | 第13-17页 |
| 2.1 蛋白质序列 | 第13-14页 |
| 2.2 理化属性 | 第14-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 深度学习的基础知识 | 第17-34页 |
| 3.1 人工神经网络 | 第17-18页 |
| 3.2 深度神经网络 | 第18-24页 |
| 3.2.1 基本结构 | 第19页 |
| 3.2.2 前向传播 | 第19-21页 |
| 3.2.3 反向传播 | 第21页 |
| 3.2.4 激活函数 | 第21-24页 |
| 3.3 卷积神经网络 | 第24-29页 |
| 3.3.1 国内外研究现状 | 第24页 |
| 3.3.2 卷积神经网络的基本结构 | 第24-25页 |
| 3.3.3 数据输入层 | 第25页 |
| 3.3.4 卷积层 | 第25-26页 |
| 3.3.5 池化层 | 第26页 |
| 3.3.6 全连接层 | 第26-28页 |
| 3.3.7 卷积层神经网络的特点 | 第28-29页 |
| 3.4 深度迁移学习 | 第29-31页 |
| 3.5 贝叶斯优化调参 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 构建蛋白质乙酰化位点模型 | 第34-40页 |
| 4.1 数据来源 | 第34-35页 |
| 4.2 双网络深度结构搭建 | 第35-37页 |
| 4.3 在物种特异性数据下迁移学习 | 第37-38页 |
| 4.4 预测性能分析 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 实验结果比较与分析 | 第40-46页 |
| 5.1 蛋白质序列滑动窗口大小的比较 | 第40页 |
| 5.2 双模深度神经网络的表现 | 第40-42页 |
| 5.3 和现有赖氨酸乙酰化位点预测工具比较 | 第42-44页 |
| 5.4 在物种特异性数据中迁移学习的表现 | 第44-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 在学期间公开发表论文及著作情况 | 第53页 |
