原创力文档- 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
基于深度学习的蛋白质从头测序技术进展
目录
基于深度学习的蛋白质从头测序技术进展（1）．．．．．．．．．．．．．．．．．．3
内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.1蛋白质组学研究的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3
1.2蛋白质序列解析的传统方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.3深度学习技术的崛起及其应用潜力．．．．．．．．．．．．．．．．．．．．．．．．．5
深度学习在蛋白质序列预测中的基础理论．．．．．．．．．．．．．．．．．．．．7
2.1深度学习模型概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
2.1.1卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
2.1.2循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
2.1.3长短期记忆网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
2.2蛋白质序列表示方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
2.2.1一维序列表示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
2.2.2二维特征图表示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
2.3深度学习预测的关键任务．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
2.3.1蛋白质结构预测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
2.3.2蛋白质功能预测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
2.3.3蛋白质相互作用预测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
基于深度学习的蛋白质从头预测方法．．．．．．．．．．．．．．．．．．．．．．．23
3.1蛋白质序列生成模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
3.1.1纯文本生成模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
3.1.2条件生成模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
3.2蛋白质序列与结构联合生成模型．．．．．．．．．．．．．．．．．．．．．．．．．．29
3.3蛋白质序列与功能联合生成模型．．．．．．．．．．．．．．．．．．．．．．．．．．30
3.4蛋白质从头预测方法的比较分析．．．．．．．．．．．．．．．．．．．．．．．．．．31
蛋白质从头预测技术的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
4.1蛋白质组学研究的辅助工具．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
4.2药物设计与开发．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36
4.3生物信息学数据库的补充．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
4.4特定领域应用案例分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
挑战与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
5.1数据质量与模型泛化能力．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
5.2模型可解释性与生物学解释．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
5.3蛋白质从头预测技术的未来发展方向．．．．．．．．．．．．．．．．．．．．．．45
5.4深度学习与其他技术的融合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
基于深度学习的蛋白质从头测序技术进展（2）．．．．．．．．．．．．．．．．．48
一、内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48
1.2技术发展历程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
二、深度学习基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
2.1深度神经网络概览
文档评论（0）