基于多源异构特征融合的LncRNA亚细胞定位预测与实现

目录

声明

第一章 绪论

1.1 选题背景及意义

1.2 机器学习模型在生物信息学中的应用

1.2.1 支持向量机

1.2.2 决策树

1.2.3 人工神经网络

1.3 生物大分子亚细胞定位研究进展

1.4 lncRNA亚细胞定位研究关键点

1.4.1 LncRNA亚细胞定位研究的难题

1.4.2 LncRNA亚细胞定位研究现状

1.5 主要研究内容

1.6 论文结构安排

第二章 基于lncRNA序列的特征提取方法

2.1 多源异构融合的特征提取方案

2.2 数据准备

2.2.1 数据库介绍

2.2.2 数据下载

2.2.3 数据去冗余

2.3 描述lncRNA序列的方法

2.3.1 K-tuple特征

2.3.2 lncRNA初级特征

2.3.3 序列的物理化学性质

2.3.4 多尺度二级结构特征

2.4 在分类目标上的lncRNA特征数据增强方法

2.4.1 基于超几何分布的过滤特征筛选方法

2.4.2 基于自动编码器和递归特征消除的高级特征提取方法

2.5 本章小结

第三章 分类模型的测试与选择

3.1 LncRNA亚细胞定位模型选择

3.1.1 传统机器学习模型

3.1.2 集成框架模型

3.1.3 两种典型的深度学习模型

3.2 实验结果

3.2.1 评价指标

3.2.2 K折交叉验证和独立留出验证

3.2.3 测试结果

3.3 本章小结

第四章 结论与应用

4.1 预测模型效果以及与现有预测工具的比较

4.2 LncRNA亚细胞定位总体设计

4.3 人类转录组全部lncRNA数据上的预测

4.4Web site和开源工具

4.4.1Web site介绍

4.4.2 发布开源工具

4.5 本章小结

第五章 总结与展望

5.1 总结

5.2 展望

参考文献

作者简介及在学期间所获得的科研成果

致谢