毕业设计（论文）题目：基于伪核酸特征的DNA甲基化识别方法研究一、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）提取DNA序列的伪核酸特征，根据伪核酸特征构建一个DNA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：80371

（1）对DNA甲基化位点数据集上的样本进行特征抽取，（2）构建分类器，确定分类器的参数；（3）通过设计的分类器对标准数据集进

行交叉验证测试；（4）对实验结果进行评价分析。

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7日起至6月10日止进度安排：3。6－3。20:调研，收集资料，方案设计,系统分析，熟悉开发工具；

3。21－5。6:系统详细设计与实现；论文网

5。7－5。17:系统方案和算法的性能测试；

5。18－5。24:系统方案和算法的优化；

5。25－6。10: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]W。Chen,P。Feng,H。Ding,H。Lin,andK。C。Chou(2015),iRNA-Methyl:IdentifyingN6-methyladenosinesitesusingpseudonucleotidecomposition,AnalyticalBiochemistry,vol。490,pp。26-33。

[2]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。

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

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

[8]LiuB,LiuF,WangX,ChenJ,FangL,etal。(2015)Pse‐in‐One: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