毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等）

通过PseDNC方法提取RNA序列的特征向量，根据特征向量构建一个RNA序列样本甲基化位点检测的分类器，通过Jackknife进行交叉验证，通过Sp、Sn、ACC和MCC等指标对实验结果进行评价。主要内容：（1）对RNA甲基化位点数据集上的样本进行特征抽取，（2）构建SVM分类器，采用5/10重交叉验证确定SVM的参数；（3）对数据集采用SVM分类器进行交叉验证；

（4）对实验结果评价分析。83297

二、完成后应交的作业（包括各种说明书、图纸等）

1。毕业设计论文

2。源程序

3。技术文档

4。英文原文及译文

三、完成日期及进度

自3月21日起至6月26日止进度安排：

3。21－3。31:调研，收集资料，方案设计,系统分析，熟悉开发工具；

4。1－5。6: 系统详细设计与实现；论文网

5。7－5。20:系统性能测试；

5。21－5。29:系统优化；

5。30－6。26:撰写毕业设计论文，毕业设计答辩。

四、主要参考资料（包括书刊名称、出版年月等）:

[1]ZiL,XuanX,QiuWR,ChouKC(2015)。iDNA‐Methyl:IdentifyingDNAmethylationsitesviapseudotrinucleotidecomposition。AnalyticalBiochemistry474:69-77。

[2]W。Chen,P。Feng,H。Ding,H。Lin,andK。C。Chou(2015),iRNA-Methyl:IdentifyingN6-methyladenosinesitesusingpseudonucleotidecomposition,AnalyticalBiochemistry,vol。490,pp。26-33。

[3]K。C。Chou(2011),“Predictionofproteincellularattributesusingpseudo-aminoacidcomposition,”Proteins,vol。43,no。3,pp。246-55,May15。

[4]H。Lin,E。Z。Deng,H。Ding,W。Chen,andK。C。Chou(2014),iPro54-PseKNC:asequence-basedpredictorforidentifyingsigma-54promotersinprokaryotewithpseudok-tuplenucleotidecomposition,NucleicAcidsResearch,vol。42,no。21,pp。12961-12972。

[5]C。Cortes,andV。Vapnik,Support-vectornetworks。MachineLearning,vol。

20,no。3,pp。273-297。

[6]S。H。Guo,E。Z。Deng,L。Q。Xu,H。Ding,H。Lin,W。Chen,andK。C。Chou(2014)。iNuc-PseKNC:asequence-basedpredictorforpredictingnucleosomepositioningingenomeswithpseudok-tuplenucleotidecomposition。Bioinformatics,vol。30,no。11,pp。1522-1529。

[7]LiuB,LiuF,FangL,WangX,ChouKC(2015)。repRNA:awebserverforgeneratingvariousfeaturevectorsofRNAsequences。MolecularGenetics&Genomics。

[8]LiuB,LiuF,WangX,ChenJ,FangL,etal。(2015)。PseinOne:awebserverforgeneratingvariousmodesofpseudocomponentsofDNA,RNA,andproteinsequences。NucleicAcidsResearch。

[9]WeiC,Peng‐MianF,HaoL,Kuo‐ChenC(2013)。iRSpot‐PseDNC:

identifyrecombinationspotswithpseudodinucleotidecomposition。NucleicAcidsResearch41:e68。

[10]ChouKC(2011)。Someremarksonproteinattributepredictionandpseudoaminoacidcomposition。JTheorBiol273:236‐247。

[11]张燕平，查永亮，赵姝，等。基于自相关系数和PseAAC的蛋白质结构类预测[J]。计算机科学与探索，2014，8（1）：103-110