基于递归神经元网络的蛋白质二级结构预测问题的研究

摘要

该文主要是从这两方面问题着手,从网络形态上和预测模型结构做出相应的改进,以期望提高预测的准确率.对于网络形态,考虑使用递归神经元网络作为预测模型的主体,通过对递归神经元网络自身的特性的分析,发现它可以很好满足我们解决问题一的需要,使模型预测时能够引入远距离信息;对于模型结构,采用双和的模型结构,体现序列上下游信息同预测位置之间的相关性.从而得到本文所要介绍的BRNN预测模型,并改进了应的学习算法.该文工作还包括建立一个基于BRNN预测模型的实验系统,并对预测结果和数据进行了分析.

目录

文摘

英文文摘

第一章绪论

1.1生物信息学简介

1.2 蛋白质结构预测在生物信息学中的地位和作用

1.3主要研究问题

1.4本文主要工作

第二章蛋白质二级结构预测概述

2.1生物学背景知识简介

2.1.1蛋白质

2.1.2二级结构的组成及分类

2.1.3蛋白质结构数据库

2.2蛋白质二级结构预测的基本问题

2.2.1基本问题

2.2.2预测正确率的评价方法

2.3 已有的一些二级结构预测方法

2.3.1 Chou-Fasman

2.3.2 GOR

2.3.3神经网络方法

第三章递归神经元网络及其学习算法

3.1递归神经元网络概述

3.2递归神经元网络的结构

3.2.1 Input-Output递归模型

3.2.2 State-Space模型

3.2.3递归多层感知模型

3.2.4二阶网络模型

3.3基于梯度下降的学习算法

3.3.1 BPTT(bock-propagation-through-time)算法

3.3.2 RTRL(rael-rime recurrent iearning)算法

第四章用于蛋白质二级结构预测的BRNN模型

4.1 BRNN模型

4.1.1模型结构

4.1.2模型预测及相关特性

4.1.3输入层编码方式

4.2模型训练算法

4.2.1 Alopex算法

4.2.2基于模糊逻辑推理对Alopex算法的改进

第五章实验系统建立与结果分析

5.1实验原型系统的建立

5.1.1功能分析与设计

5.1.2实现环境与程序界面

5.2实验数据及结果分析

5.2.1实验数据的选择

5.2.2实验结果分析

第六章结束语

参考文献

附录A

致谢