基于深度学习的基因组拼装和预测研究

基于深度学习的基因组拼装和预测研究

论文摘要

随着生物大数据的不断积累,人们已经获得了非常庞大数量的基因组信息,依靠较慢的生物实验分析和数理统计方法已不能满足基因预测的需要,这将会很大的影响到后续工作的顺利展开。我们需要引入更为先进的计算机专业的相关技术,从更高的层次来寻找样本数据内在的含义。如何能快速、准确的完成基因预测的任务成为了亟待解决的问题。深度学习目前已经在很多行业中有了大量的实际应用并取得了很好的应用效果,本文基于深度学习技术展开了研究,主要工作和成果如下:(1)使用甜橙线粒体基因组测序数据完成了其全基因组拼装和基因组注释工作。提出了一个基于卷积神经网络的 GEC-CNN(Gene Error Correction Convolutional Neural Network)基因序列纠错模型对甜橙线粒体基因序列进行纠错。完整的甜橙线粒体基因组已经提交给GenB ank数据库并被正式收录,NCBI登录号是NC037463。这将为芸香目(Rutales)植物的的分子鉴定,遗传多样性和系统发育分类等相关研究提供非常大的帮助。(2)本文提出了一个基于人工神经网络的GP-ANN网络模型(Gene Prediction Artificial Neural Network),对样本基因数据进行训练和预测,最终在测试集上取得了 95.87%的测试准确率。(3)本文提出了一个基于卷积神经网络的GP-CNN网络模型(Gene Prediction Convolutional Neural Network),对样本基因数据进行训练和预测,最终在测试集上取得了97.91%的测试准确率。

论文目录

  • 致谢
  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 研究背景和意义
  •   1.2 研究现状
  •   1.3 课题研究目的与意义
  •   1.4 本文的组织结构
  • 第二章 基因测序和深度学习相关理论
  •   2.1 第三代测序技术简介
  •     2.1.1 第三代测序技术优势
  •     2.1.2 第三代测序技术缺陷
  •   2.2 全局比对和局部比对
  •     2.2.1 Needleman-Wunsch算法
  •     2.2.2 Smith-Waterman算法
  •   2.3 深度学习概述
  •   2.4 深度学习基础理论
  •     2.4.1 学习率
  •     2.4.2 常用的调节学习率方法
  •     2.4.3 批尺寸
  •     2.4.4 优化器
  •     2.4.5 激活函数
  •   2.5 人工神经网络
  •   2.6 卷积神经网络
  •   2.7 本章小结
  • 第三章 基于深度学习纠错的甜橙线粒体基因组拼装
  •   3.1 甜橙线粒体实验数据
  •   3.2 甜橙线粒体拼装过程
  •   3.3 基于卷积神经网络的GEC-CNN基因序列纠错模型
  •   3.4 甜橙线粒体拼装结果
  •   3.5 甜橙线粒体全基因组注释
  •   3.6 系统发育树分析
  •   3.7 本章小结
  • 第四章 深度学习在基因组预测中的应用
  •   4.1 基于人工神经网络的GP-ANN基因预测模型
  •   4.2 基于卷积神经网络的GP-CNN基因预测模型
  •   4.3 实验环境与数据预处理
  •   4.4 基于GP-ANN模型的基因预测
  •     4.4.1 模型参数选取与调整
  •     4.4.2 实验结果
  •   4.5 基于GP-CNN模型的基因预测
  •     4.5.1 模型参数选取与调整
  •     4.5.2 实验结果
  •   4.6 本章小结
  • 第五章 总结与展望
  • 攻读学位期间发表的学术论文
  • 参考文献
  • 文章来源

    类型: 硕士论文

    作者: 余丰文

    导师: 业宁

    关键词: 深度学习,基因拼装,卷积神经网络,基因预测

    来源: 南京林业大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 生物学,自动化技术

    单位: 南京林业大学

    分类号: Q811.4;TP18

    DOI: 10.27242/d.cnki.gnjlu.2019.000278

    总页数: 54

    文件大小: 4945K

    下载量: 35

    相关论文文献

    • [1].一次函数图象为什么是一条直线[J]. 中学数学杂志 2017(02)
    • [2].“深度学习”视角下《碳的单质(课时1)》的教学[J]. 教育视界 2017(07)
    • [3].提炼“核心问题”,发展“数学学力”[J]. 数学教学通讯 2019(13)
    • [4].指导学生理性观察的思考与实践——以观察生物器官为例[J]. 中学生物学 2016(12)
    • [5].深度追问,促进学生深度思考——以人教版小学数学四年级下册“观察物体(二)”一课教学为例[J]. 小学教学参考 2016(35)
    • [6].我把孩子教懒了——关于深度学习的思考[J]. 新课程(综合版) 2018(10)
    • [7].沐数学之光,享实验之果[J]. 数学大世界(中旬) 2017(08)
    • [8].基于深度学习的证券趋势特征分析方法[J]. 金融经济 2018(20)
    • [9].4R学习:数学深度学习的一种样态[J]. 数学教学通讯 2019(19)
    • [10].引导学生深度学习[J]. 知识经济 2016(02)
    • [11].深度学习下的高中议论文结构教学例谈[J]. 中学课程辅导(教师教育) 2019(24)
    • [12].浅谈深度学习[J]. 软件 2016(05)
    • [13].基于深度学习的在线教学推荐系统设计与研究[J]. 计算机产品与流通 2020(04)
    • [14].如何在数学深度学习中发展学生“高阶思维”的思考[J]. 家长 2020(05)
    • [15].促进深度学习翻转课堂的知识内容设计研究[J]. 中国现代教育装备 2016(21)
    • [16].巧以生活明德行 深度方能衍深思——基于生活化思维的初中道德与法治深度学习探究[J]. 作家天地 2020(03)
    • [17].指向深度学习的任务驱动教学研究——以人教版“力的分解”为例[J]. 物理教师 2020(07)
    • [18].有趣·有序·自由——深度学习观下科学探究的实施策略[J]. 小学教学研究 2019(31)
    • [19].基于深度学习框架的短文本情感分析方法研究[J]. 数字技术与应用 2019(02)
    • [20].基于学讲计划的科学高效课堂的构建[J]. 科学大众(科学教育) 2018(04)
    • [21].例谈深度学习与深度教学的关系[J]. 化学教学 2016(05)
    • [22].基于“深度学习”的化学教学须把握好“五个度”[J]. 中小学教师培训 2016(03)
    • [23].加强小学数学深度学习,提高数学思维[J]. 小学时代 2019(16)
    • [24].浅谈如何让初中数学课堂深度学习更具有效性[J]. 数理化解题研究 2016(09)
    • [25].教材概念的深度开发——以实践的涵义为例[J]. 思想政治课教学 2019(06)
    • [26].基于深度学习的多媒体信息隐藏技术[J]. 电子技术与软件工程 2019(11)
    • [27].促成深度学习的深度课堂观察[J]. 教学与管理 2016(28)
    • [28].发展学生数学核心素养的教学微设计[J]. 江苏教育 2018(83)
    • [29].网络环境下基于深度学习的信息技术教师专业成长[J]. 中小学电教 2013(05)
    • [30].基于深度学习的图书馆服务研究[J]. 文化创新比较研究 2019(08)

    标签:;  ;  ;  ;  

    基于深度学习的基因组拼装和预测研究
    下载Doc文档

    猜你喜欢