独立成分方法分析蛋白酶体靶蛋白酶切位点的特异性
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-14页 |
| 1.1 免疫系统与免疫应答 | 第7页 |
| 1.2 抗原肽加工提呈过程 | 第7-13页 |
| 1.2.1 内源性抗原的泛素化 | 第8-9页 |
| 1.2.2 泛素化抗原蛋白的降解 | 第9-11页 |
| 1.2.3 MHC-I类限制性抗原加工递呈途径 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-14页 |
| 2 独立成分分析方法(ICA) | 第14-24页 |
| 2.1 独立成分分析方法简介 | 第14-16页 |
| 2.1.1 ICA的数学模型 | 第15页 |
| 2.1.2 ICA的基本假设 | 第15-16页 |
| 2.2 独立成分分析的数学和信息论基础 | 第16-19页 |
| 2.2.1 信号的统计独立性 | 第16页 |
| 2.2.2 信号独立性的度量 | 第16-19页 |
| 2.2.3 负熵对非高斯程度的度量 | 第19页 |
| 2.3 独立成分分析(ICA)的目标函数 | 第19-23页 |
| 2.3.1 极大似然估计 | 第19-20页 |
| 2.3.2 信息最大化 | 第20页 |
| 2.3.3 互信息最小化 | 第20-23页 |
| 2.4 独立成分分析(ICA)的目标函数优化算法 | 第23-24页 |
| 3 基于负熵的FastICA算法 | 第24-36页 |
| 3.1 FastICA简介 | 第24页 |
| 3.2 FastICA的数据预处理 | 第24-30页 |
| 3.2.1 主成分分析 | 第24-30页 |
| 3.2.2 数据的球化 | 第30页 |
| 3.3 FastICA的正交变换 | 第30-32页 |
| 3.4 FastICA回归模型 | 第32-33页 |
| 3.5 基于负熵的FastICA算法实现步骤 | 第33-35页 |
| 3.6 交叉验证 | 第35-36页 |
| 4 建立预测模型 | 第36-41页 |
| 4.1 预测模型的构建 | 第36-37页 |
| 4.2 抗原肽的氨基酸编码 | 第37-39页 |
| 4.3 样本数据的获取 | 第39-41页 |
| 5 结果与讨论 | 第41-49页 |
| 5.1 模型的预测能力 | 第41-42页 |
| 5.2 模型的权重系数 | 第42-43页 |
| 5.3 同一测试集下不同预测模型的性能比较 | 第43-44页 |
| 5.4 蛋白酶体对靶蛋白酶切位点的特异性分析 | 第44-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |
