基于隐马尔可夫模型的g蛋白偶联受体预测的分析-analysis of prediction of g protein-coupled receptors based on hidden markov model.docxVIP

下载本文档

4
0
约4.49万字
约 69页
2018-05-20 发布于上海
举报
版权申诉

基于隐马尔可夫模型的g蛋白偶联受体预测的分析-analysis of prediction of g protein-coupled receptors based on hidden markov model.docx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于隐马尔可夫模型的g蛋白偶联受体预测的分析-analysis of prediction of g protein-coupled receptors based on hidden markov model

独创性声明本人声明，所呈交的学位（毕业）论文，是本人在指导教师的指导下独立完成的研究成果，并且是自己撰写的。尽我所知，除了文中作了标注和致谢中已作了答谢的地方外，论文中不包含其他人发表或撰写过的研究成果。与我一同对本研究做出贡献的同志，都在论文中作了明确的说明并表示了谢意，如被查有侵犯他人知识产权的行为，由本人承担应有的责任。学位（毕业）论文作者亲笔签名：日期：论文使用授权的说明本人完全了解福建农林大学有关保留、使用学位（毕业）论文的规定，即学校有权送交论文的复印件，允许论文被查阅和借阅;学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。保密，在年后解密可适用本授权书。□不保密，本论文属于不保密。□学位（毕业）论文作者亲笔签名：日期：指导教师亲笔签名：日期：目录摘要...........................................................................................................................IAbstract.....................................................................................................................II第一章绪论.............................................................................................................11.1研究背景及意义.........................................................................................12.1引言.............................................................................................................72.2分类预测功能.............................................................................................92.3数据集的构建及表示................................................................................102.3.1G蛋白偶联受体相关生物信息学资源102.3.2数据来源..........................................................................................112.3.3数据编码.........................................................................................122.4分类模型的构建.......................................................................................132.5GPCR家族的预测142.6模型的性能评价方法................................................................................152.7小结...........................................................................................................16第三章生物信息学中的隐马尔可夫模型............................................................173.1引言...........................................................................................................173.2马尔可夫链...............................................................................................173.3隐马尔可夫模型...................