基于ResC--LSTM的蛋白质亚细胞定位研究

目录

声明

摘要

1．1研究背景及意义

1．2田内外研究现状

1．2．1蛋白质特征提取研究现状

1．2．2亚细胞定位预测算法研究现状

1．3主要内容及结构安排

2．1蛋白质基本性质

2．2传统亚细胞定位方法

2．3基于机器学习的现代亚细胞定位方法

2．3．1基于SVM的蛋白质亚细胞定位

2．3．2通过k-mer嵌入的卷积长短期记亿网络的染色质定位

2．3．3多方法整合的亚细胞定位

2．4本章小结

3．1评价指标

3．2文章小结

第四章基于卷积深度残差网络(ResC-LSTM)的蛋白质亚细胞定位

4．1特征筛选

4．1．1基于残基的统计特征

4．1．2最近邻GO项注释特征

4．1．3最近邻功能域特征

4．2深度学习框架

4．2．1传统CNN以及多尺度卷积CNN

4．2．2残差神经网络(ResNet)

4．2．3双向长短期记忆网络(LSTM)

4．3数据集的构建

4．3．1DeepLoc数据集

4．3．2H(o)glund数据集

4．3．3两种数据集比较

4．4特征提取以及输入

4．5ResC-LSTM深度学习框架

4．6本章小结

5．1实验结果

5．2蛋白质决策树模型

5．3蛋白质空间位勘时实验结果的影响

5．4输入特征对实验结果的影响

5．5与其他方法比较

5．6本章小结

第六章总结与展望

6．1工作总结

6．2工作展望

参考文献

致谢