發(fā)布時間：2021-02-04 15:40

　　蛋白質的亞細胞位置信息能夠為理解其生物學功能提供有力線索,在藥物設計、病理分析等領域的研究中有著重要作用。在后基因組時代的當下,蛋白質測序技術取得了長足的發(fā)展。新發(fā)現(xiàn)蛋白質的數(shù)量正以驚人的速度飛速增長。如何快速準確的獲取蛋白質的亞細胞位置信息已經(jīng)成為了蛋白質組學中的一項關鍵任務�，F(xiàn)有的蛋白質亞細胞位置識別方法主要分為基于生物化學實驗的方法和基于計算的方法。其中,基于生物化學實驗的方法是目前獲取蛋白質亞細胞位置信息的主要手段。但是由于時間成本巨大,此類方法已經(jīng)難以滿足人們在識別效率方面的需求。與之相對,基于計算方法的出現(xiàn)為高效解決海量蛋白質序列的亞細胞位置識別問題提供了可行方案。近年來,人們對基于計算的蛋白質亞細胞位置預測方法做出了大量的研究。然而,受制于特征提取技術以及分類算法的性能,相關方法的預測準確率仍待提高。針對這一現(xiàn)狀,本文在信息熵與深度森林的基礎上對現(xiàn)有蛋白質亞細胞位置預測技術進行改進。在蛋白質特征提取方面,本文在分析了現(xiàn)有蛋白質特征提取技術缺陷的基礎上,探究了基于信息熵的改進方案的有效性。在分類算法的構建方面,本文首先討論了深度森林對蛋白質亞細胞位置預測問題的適用性,隨后針... 

【文章來源】：西南大學重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 論文組織結構
第2章 相關研究方法
    2.1 蛋白質亞細胞位置預測方法框架
    2.2 蛋白質序列信息特征表示方法
        2.2.1 基于氨基酸組成信息的特征表示方法
        2.2.2 基于氨基酸理化性質的特征表示方法
    2.3 蛋白質進化信息特征表示方法
        2.3.1 位置特異性矩陣
        2.3.2 基于PSSM的進化信息特征表示方法
    2.4 分類算法
        2.4.1 SVM算法
        2.4.2 隨機森林算法
        2.4.3 集成算法
    2.5 本章小結
第3章 基于信息熵與自協(xié)方差的蛋白質特征表示
    3.1 IE-MoACC-PFR方法
        3.1.1 蛋白質序列信息特征提取
        3.1.2 蛋白質進化信息特征提取
    3.2 數(shù)值實驗及性能分析
        3.2.1 數(shù)據(jù)集介紹
        3.2.2 評價指標
        3.2.3 參數(shù)敏感性分析
        3.2.4 對比方法介紹
        3.2.5 實驗結果分析
    3.3 本章小結
第4章 基于特征選擇的深度森林改進模型
    4.1 深度森林
    4.2 基于特征選擇的深度森林改進模型
    4.3 數(shù)值實驗及性能分析
        4.3.1 實驗設置
        4.3.2 實驗結果分析
    4.4 本章小結
第5章 基于禁忌搜索的深度森林改進模型
    5.1 禁忌搜索
    5.2 基于禁忌搜索的深度森林改進模型
    5.3 數(shù)值實驗及性能分析
        5.3.1 實驗設置
        5.3.2 實驗結果分析
    5.4 本章小結
第6章 總結與展望
    6.1 本文工作總結
    6.2 未來工作展望
參考文獻
致謝
攻讀碩士期間發(fā)表的論文


【參考文獻】：
期刊論文
[1]基于n-gram頻率的語種識別改進方法[J]. 郝洺,徐博,殷緒成,王方圓.  自動化學報. 2018(03)
[2]集成改進KNN算法預測蛋白質亞細胞定位[J]. 薛衛(wèi),王雄飛,趙南,楊榮麗,洪曉宇.  生物工程學報. 2017(04)
[3]基于SVM-RFE算法的凋亡蛋白亞細胞定位預測[J]. 劉太崗,王春華.  計算機工程與應用. 2017(10)
[4]基于氨基酸約化和統(tǒng)計特征的蛋白質亞細胞定位預測[J]. 楊紅,徐慧敏,嚴壽江,陳靜,耿麗麗,姚玉華.  生物信息學. 2015(02)
[5]蛋白質亞細胞定位預測研究綜述[J]. 喬善平,閆寶強.  計算機應用研究. 2014(02)

碩士論文
[1]蛋白質亞細胞定位的序列編碼及預測方法研究[D]. 張麗.湖南大學 2010



本文編號：3018548