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
浙江理工大学;