新書推薦:
《
敢为天下先:三年建成港科大
》
售價:NT$
352.0
《
直观的经营:哲学视野下的动态管理
》
售價:NT$
407.0
《
长高食谱 让孩子长高个的饮食方案 0-15周岁儿童调理脾胃食谱书籍宝宝辅食书 让孩子爱吃饭 6-9-12岁儿童营养健康食谱书大全 助力孩子身体棒胃口好长得高
》
售價:NT$
214.0
《
身体自愈力:解决内在病因的身体智慧指南
》
售價:NT$
449.0
《
非言语沟通经典入门:影响人际交往的重要力量(第7版)
》
售價:NT$
560.0
《
山西寺观艺术壁画精编卷
》
售價:NT$
7650.0
《
中国摄影 中式摄影的独特魅力
》
售價:NT$
4998.0
《
山西寺观艺术彩塑精编卷
》
售價:NT$
7650.0
|
內容簡介: |
《生物信息学中RNA结构预测算法与复杂性》介绍RNA结构特征,特别是RNA三级结构特征、构象采样表示模型、Rosetta框架、细胞反卷积算法、转录因子结合位点预测算法、特异性位点预测算法等内容;研究RNA三级结构预测算法与复杂性,构象采样和打分函数的构建,基于转录组测序技术的细胞反卷积算法,转录因子结合位点预测算法,DNA特异性位点预测算法等;研究Rosetta框架下基于枚举采样和随机抽样方案的RNA三级结构预测算法及其复杂性,基于卷积神经网络的自动预测组织细胞比例算法,基于组合特征编码和带权多粒度扫描策略的转录因子结合位点预测算法,基于特征度量机制和组合优化策略的DNA特异性位点预测算法等内容。
|
目錄:
|
目录前言第1章 概述11.1 背景11.2 研究现状81.3 算法与计算复杂性111.4 NPC类问题121.5 NP难问题与近似算法14参考文献14第2章 RNA结构与模型212.1 RNA简介212.1.1 RNA基本知识212.1.2 RNA三级结构222.2 Rosetta框架简介242.2.1 Rosetta框架242.2.2 蒙特卡罗采样262.2.3 打分函数262.3 机器学习简介272.3.1 机器学习与深度学习272.3.2 卷积神经网络282.3.3 三维卷积神经网络292.3.4 基于ResNet的三维卷积神经网络30第3章 RNA三级结构预测算法323.1 基于知识的RNA三级结构预测算法323.2 基于物理的RNA三级结构预测算法333.2.1 基于物理片段组装的RNA三级结构预测算法343.2.2 基于随机采样方案的RNA三级结构预测算法353.3 RNA三级结构预测算法分析36第4章 基于随机采样策略的RNA三级结构预测算法374.1 引言374.2 SMCP算法设计与实现374.2.1 算法设计374.2.2 算法描述414.2.3 算法实现434.3 算法复杂性分析444.4 实验结果454.4.1 SMCP算法的高效实施454.4.2 SMCP算法建模复杂RNA模体464.4.3 SMCP算法的严格测试47第5章 基于3DResNet的RNA三级结构预测算法495.1 引言495.2 Res3DScore算法设计与实现505.2.1 算法设计505.2.2 算法描述525.2.3 算法实现535.3 实验结果55第6章 基于卷积神经网络的细胞反卷积预测算法596.1 引言596.2 Autoptcr算法设计与实现596.2.1 算法描述596.2.2 算法实现616.2.3 参数设置636.2.4 训练方式636.3 实验分析646.3.1 数据集646.3.2 评价标准646.3.3 算法与其他方法比较65第7章 基于卷积自编码器的细胞反卷积预测算法687.1 引言687.1.1 研究难点697.1.2 相关领域研究现状717.1.3 主要研究工作717.2 测序技术727.2.1 基因芯片737.2.2 测序数据标准化757.3 细胞组分分析算法777.3.1 基于实验的算法777.3.2 基于计算的算法777.4 Aptcr算法837.4.1 Aptcr算法的设计与实现847.4.2 实验分析907.5 基于卷积自编码器的细胞反卷积算法967.5.1 概述967.5.2 Cdaca算法的设计与实现967.5.3 实验分析104参考文献108第8章 基于带权多粒度扫描的转录因子结合位点预测算法1158.1 研究背景与意义1158.2 国内外研究现状1168.2.1 基于序列计算的预测算法1178.2.2 基于机器学习的预测算法1188.3 研究内容1218.4 转录因子结合位点简介1218.4.1 基因表达与转录调控1218.4.2 转录因子1228.4.3 转录因子结合位点及其预测1238.5 传统机器学习简介1248.5.1 传统机器学习基本知识1248.5.2 决策树与随机森林1248.5.3 深度森林1258.6 深度学习简介1268.6.1 CNN1278.6.2 注意力机制1288.6.3 RNN1298.7 转录因子结合位点预测算法1318.7.1 WMS_TF算法的设计与实现1318.7.2 实验结果及分析140参考文献144第9章 基于注意力机制的转录因子结合位点预测算法1519.1 引言1519.2 LAM_TF算法设计与实现1519.2.1 算法设计1519.2.2 算法描述1559.2.3 评价指标1569.3 实验结果及分析1579.3.1 实验设置1579.3.2 实验分析1589.3.3 LAM_TF算法基准测试159第10章 基于特征度量机制attC位点预测算法16110.1 研究背景及意义16110.2 国内外研究现状16210.2.1 基于机器学习的预测技术16310.2.2 基于深度学习的预测技术16510.3 主要研究内容16610.4 DNA特异性位点简介16810.4.1 DNA重组位点16810.4.2 DNA甲基化位点17010.4.3 DNA特异性位点预测17210.5 机器学习简介17310.6 深度学习简介17710.7 FMCO算法的设计与实现18010.7.1 算法设计18010.7.2 算法描述18410.7.3 评价指标18710.7.4 实验结果188参考文献192第11章 基于特征融合策略的4mC位点预测算法20011.1 引言20011.2 FFCNN算法的设计与实现20011.2.1 算法设计20011.2.2 算法描述20511.2.3 评价指标20711.3 实验结果20811.3.1 实验设置20811.3.2 消融实验20911.3.3 组合特征编码实验20911.3.4 FFCNN算法基准测试210第12章 基于进阶模型的RNA结构预测算法21312.1 引言21312.2 研究内容21312.3 研究目标21812.4 关键科学问题21812.5 研究方法与技术路线21912.6 关键技术222第13章 RNA结构预测总结与展望22413.1 总结22413.2 展望228
|
|