导读:本文包含了伪氨基酸组成模型论文开题报告文献综述及选题提纲参考文献，主要关键词:大豆蛋白,氨基酸,豆浆甜度,预测模型
伪氨基酸组成模型论文文献综述
孟骏,汪芳,孙璐,陈俊伸,沈新春[1]（2019）在《基于大豆原料蛋白质和氨基酸组成的豆浆甜度预测模型研究》一文中研究指出本研究采用电子舌分析了30个大豆品种加工成豆浆的甜度值,运用相关性分析法探究了豆浆甜度值与大豆原料蛋白、氨基酸组成之间的关系,使用逐步回归的方法建立了豆浆甜度的预测模型。结果表明:不同品种的大豆在蛋白质、氨基酸组成上有很大差异。大豆球蛋白(11S)含量(r=0.370)、大豆球蛋白/β-伴大豆球蛋白比率(11S/7S比率)(r=0.436)、丝氨酸(r=0.418)和苏氨酸(r=0.373)含量与豆浆甜度呈显着正相关(p <0.05),α亚基含量(r=-0.460)、β-伴大豆球蛋白(7S)含量(r=-0.428)、蛋氨酸(r=-0.372)和酪氨酸(r=-0.464)含量与豆浆甜度呈显着负相关(p <0.05)。通过逐步回归建立豆浆甜度预测模型的决定系数R~2=0.747,方程为:F(甜度预测值)=-0.125×α亚基+3.172×苏氨酸+1.655×丝氨酸-2.894×蛋氨酸-2.097×酪氨酸+9.908,模型验证结果显示,实测值与模型预测值的平均相对误差为4.61%。因此,用本研究模型能准确地预测豆浆甜度。(本文来源于《食品工业科技》期刊2019年10期）
张光亚,方柏山[2]（2008）在《基于氨基酸组成分布的嗜热和嗜冷蛋白随机森林分类模型》一文中研究指出文献报道采用氨基酸组成分布提取特征值能有效提高预测分类精度,本文采用该方法提取特征值,使用一种新的组合分类器——随机森林,从蛋白质一级结构对嗜热和嗜冷蛋白进行分类。通过10倍交叉验证和独立样本测试两种方法检测,结果表明:当分段数量为1时,其精度最优,分别为92.9%和90.2%,暗示使用基于氨基酸组成分布提取特征值在该算法中并不能有效提高识别精度,这与报道结果不符,而该提取方法在SVM中却能适当提高识别精度;当引入6个新变量后,其精度分别提高到93.2%和92.2%,ROC曲线下面积分别为0.9771和0.9696,优于其它组合分类器。(本文来源于《生物工程学报》期刊2008年02期）
张光亚,李猛,方柏山[3]（2006）在《乙醇脱氢酶氨基酸组成和最适温度均匀设计的神经网络模型》一文中研究指出构建了乙醇脱氢酶氨基酸组成和最适温度的神经网络模型,并运用均匀设计优化神经网络结构。结果表明,当最小训练率为0．12,动态参数为0．6,Sigmoid参数为0．98,隐含层结点数为9时,神经网络的拓扑结构为最优。所得样本误差为0．00999,模型对温度预测的平均绝对百分比误差为5．13%,均方根误差为5．12℃,平均绝对误差为3．82℃,优于逐步回归计算的结果。(本文来源于《计算机与应用化学》期刊2006年10期）
张光亚,方柏山[4]（2005）在《木聚糖酶氨基酸组成与其最适pH的神经网络模型》一文中研究指出籍均匀设计(UD)方法,构建了G/11家族木聚糖酶氨基酸组成和最适pH的神经网络(NNs)模型。当学习速率为0·09、动态参数为0·4、Sigmoid参数为0·98,隐含层结点数为10时,该模型对最适pH的拟合和预测平均绝对百分比误差可分别达到3·02%和4·06%,均方根误差均为0·19个pH单位,平均绝对误差分别为0·11和0·19个pH单位。该结果比文献报道的用逐步回归方法好。(本文来源于《生物工程学报》期刊2005年04期）
张光亚,葛慧华,方柏山[5]（2005）在《木聚糖酶氨基酸组成与其最适温度的主成分分析-神经网络模型》一文中研究指出随着酶及一些蛋白质在工业、农业和医药上的应用日益广泛,人们对设计出具有新特性蛋白的兴趣大增。在实现该目标的过程中主要有两种方法:理性设计(定点突变法)和非理性设计(定向进化法)两种。但定点突变在一次循环中仅能对一个位点进行突变,当靶目标超过3个时其效率急剧下降。而且由于对定点突变结果的预测能力有限,对每个突变体要用实验——验证方可判断是否达到所需目标,从而降低了工作效率、限制了筛选通量,制约了突变的序列范围。定向进化虽然取得了不少成功的例子,但其受限于实验所能筛选的序列(高通量筛选可达107)。故而存在筛选容量过大,筛选过程复杂且费用昂贵、费时费力等缺陷。因此,筛选往往成为定向进化的瓶颈。(本文来源于《中国生物工程学会第四次会员代表大会暨学术讨论会论文摘要集》期刊2005-07-01）
张光亚,方柏山[6]（2005）在《木聚糖酶氨基酸组成与最适温度的模型》一文中研究指出运用基于均匀设计(UD)的神经网络(NNs)构造法,构建F/10家族木聚糖酶氨基酸组成和最适温度的数学模型.当学习速率为0.1、动态参数为0.6、Sigmoid参数为0.9,隐含层结点数为7时,该模型对最适温度的拟合和预测的平均绝对百分比误差分别为6.61%和1.78%,均方根误差分别为5.43℃和2.00℃,平均绝对误差分别为4.13℃和1.46℃.(本文来源于《华侨大学学报(自然科学版)》期刊2005年02期）
张录强,杨振才,孙儒泳[7]（2004）在《笼养红腹锦鸡卵、肌肉、羽毛的营养及氨基酸组成模型比较研究》一文中研究指出对自繁自养红腹锦鸡 (Chrysolophuspictus)的卵、肌肉及羽毛的营养组成进行了测定 ,并对其氨基酸组成模型进行了比较 .结果表明 :红腹锦鸡卵可食部分的必需氨基酸 (essentialaminoacid ,EAA)组成模型与NRC(NationalResearchCouncilofUSA)蛋鸡理想氨基酸模型最接近 .理论推算 ,红腹锦鸡产卵期蛋氨酸、赖氨酸日需求量分别为 10 6和 2 96mg·d- 1.(本文来源于《北京师范大学学报(自然科学版)》期刊2004年05期）
伪氨基酸组成模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文献报道采用氨基酸组成分布提取特征值能有效提高预测分类精度,本文采用该方法提取特征值,使用一种新的组合分类器——随机森林,从蛋白质一级结构对嗜热和嗜冷蛋白进行分类。通过10倍交叉验证和独立样本测试两种方法检测,结果表明:当分段数量为1时,其精度最优,分别为92.9%和90.2%,暗示使用基于氨基酸组成分布提取特征值在该算法中并不能有效提高识别精度,这与报道结果不符,而该提取方法在SVM中却能适当提高识别精度;当引入6个新变量后,其精度分别提高到93.2%和92.2%,ROC曲线下面积分别为0.9771和0.9696,优于其它组合分类器。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
伪氨基酸组成模型论文参考文献
[1].孟骏,汪芳,孙璐,陈俊伸,沈新春.基于大豆原料蛋白质和氨基酸组成的豆浆甜度预测模型研究[J].食品工业科技.2019
[2].张光亚,方柏山.基于氨基酸组成分布的嗜热和嗜冷蛋白随机森林分类模型[J].生物工程学报.2008
[3].张光亚,李猛,方柏山.乙醇脱氢酶氨基酸组成和最适温度均匀设计的神经网络模型[J].计算机与应用化学.2006
[4].张光亚,方柏山.木聚糖酶氨基酸组成与其最适pH的神经网络模型[J].生物工程学报.2005
[5].张光亚,葛慧华,方柏山.木聚糖酶氨基酸组成与其最适温度的主成分分析-神经网络模型[C].中国生物工程学会第四次会员代表大会暨学术讨论会论文摘要集.2005
[6].张光亚,方柏山.木聚糖酶氨基酸组成与最适温度的模型[J].华侨大学学报(自然科学版).2005
[7].张录强,杨振才,孙儒泳.笼养红腹锦鸡卵、肌肉、羽毛的营养及氨基酸组成模型比较研究[J].北京师范大学学报(自然科学版).2004