近年來,探知RNA二級(jí)結(jié)構(gòu)一直是RNA研究領(lǐng)域的重要和難點(diǎn)問題。目前雖然部分RNA的二級(jí)結(jié)構(gòu)可以通過實(shí)驗(yàn)手段獲取,但在大多數(shù)情況下仍然需要采用計(jì)算機(jī)預(yù)測方法來預(yù)測RNA二級(jí)結(jié)構(gòu)預(yù)測。當(dāng)前RNA二級(jí)結(jié)構(gòu)的預(yù)測方法主要是基于最小自由能的動(dòng)態(tài)規(guī)劃類算法,通過迭代的方式找到滿足能量最小或其他限制條件的RNA體內(nèi)折疊最佳狀態(tài)來預(yù)測RNA結(jié)構(gòu)。但是由于生物體內(nèi)環(huán)境的復(fù)雜性使得RNA的真實(shí)結(jié)構(gòu)并不能滿足能量最小的最佳折疊狀態(tài),而是一種基于生物勢能平衡狀態(tài)。對(duì)于序列較短的RNA,折疊生物勢能平衡狀態(tài)接近最小自由能狀態(tài),最小自由能的算法可以獲得較高的準(zhǔn)確率。然而對(duì)于較長的RNA序列,其結(jié)構(gòu)復(fù)雜,在體內(nèi)生物環(huán)境中存在反復(fù)折疊導(dǎo)致其生物勢能平衡狀態(tài)遠(yuǎn)遠(yuǎn)偏離最小自由能狀態(tài),使得使用基于傳統(tǒng)能量方法預(yù)測精度嚴(yán)重下降,無法準(zhǔn)確預(yù)測RNA二級(jí)結(jié)構(gòu)。深度學(xué)習(xí)方法是一種常見的表示學(xué)習(xí)方法,能夠自動(dòng)的從數(shù)據(jù)中挖掘出有效分類的隱藏特征。本文基于深度學(xué)習(xí)和現(xiàn)有真實(shí)RNA二級(jí)結(jié)構(gòu)數(shù)據(jù),提出一種應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)合動(dòng)態(tài)規(guī)劃算法的新型RNA二級(jí)結(jié)構(gòu)預(yù)測方法CDPfold。該方法基于現(xiàn)有實(shí)驗(yàn)已經(jīng)得出的真實(shí)RNA結(jié)構(gòu)數(shù)據(jù),構(gòu)建深度... 

【文章頁數(shù)】：59 頁

【學(xué)位級(jí)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 論文結(jié)構(gòu)安排
第2章 RNA二級(jí)結(jié)構(gòu)概述
    2.1 RNA物理結(jié)構(gòu)
    2.2 RNA二級(jí)結(jié)構(gòu)構(gòu)件
    2.3 RNA二級(jí)結(jié)構(gòu)表示方法
    2.4 本章小結(jié)
第3章 傳統(tǒng)RNA二級(jí)結(jié)構(gòu)預(yù)測方法
    3.1 動(dòng)態(tài)規(guī)劃方法
        3.1.1 最大堿基配對(duì)算法
        3.1.2 最小自由能算法
    3.2 比較序列分析
    3.3 常用軟件的比較
    3.4 本章小結(jié)
第4章 基于深度學(xué)習(xí)的RNA二級(jí)結(jié)構(gòu)預(yù)測方法
    4.1 深度學(xué)習(xí)概述
    4.2 基于CNN的 RNA二級(jí)結(jié)構(gòu)預(yù)測
    4.3 本章小結(jié)
第5章 CDPfold方法預(yù)測RNA二級(jí)結(jié)構(gòu)
    5.1 CDPfold對(duì)單一家族RNA二級(jí)結(jié)構(gòu)預(yù)測
        5.1.1 數(shù)據(jù)的收集與預(yù)處理
        5.1.2 模型參數(shù)的確定
        5.1.3 預(yù)測結(jié)果修正與比較
    5.2 CDPfold對(duì)多個(gè)家族RNA二級(jí)結(jié)構(gòu)預(yù)測
        5.2.1 數(shù)據(jù)預(yù)處理
        5.2.2 模型參數(shù)的確定
        5.2.3 預(yù)測結(jié)果及對(duì)比
    5.3 本章小結(jié)
第6章 總結(jié)與展望
參考文獻(xiàn)
作者簡介及在學(xué)期間所取得的科研成果
致謝



本文編號(hào)：3666621