| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 研究背景 | 第7-17页 |
| 1.1 研究意义 | 第7-8页 |
| 1.2 研究现状 | 第8-13页 |
| 1.2.1 基于文本处理的算法 | 第8-10页 |
| 1.2.2 基于网络的算法 | 第10-13页 |
| 1.3 存在的问题及挑战 | 第13-14页 |
| 1.4 本文主要工作 | 第14-15页 |
| 1.5 本文组织结构 | 第15-17页 |
| 2 表型相似度计算研究 | 第17-24页 |
| 2.1 表型关联数据获取 | 第18-20页 |
| 2.1.1 基于OMIM数据的表型关联数据获取 | 第18-19页 |
| 2.1.2 基于文本处理的表型关联数据获取 | 第19-20页 |
| 2.2 基于网络表征的表型相似度计算方法 | 第20-23页 |
| 2.2.1 随机游走生成表型节点序列 | 第20-21页 |
| 2.2.2 表型节点映射为节点向量 | 第21-23页 |
| 2.3 表型相似度数据结果的过滤与融合 | 第23-24页 |
| 3 致病基因预测研究 | 第24-32页 |
| 3.1 异构网络的构建 | 第24-26页 |
| 3.2 致病基因预测方法 | 第26-31页 |
| 3.2.1 基于deepwalk算法的致病基因预测方法 | 第27-28页 |
| 3.2.2 基于node2vec算法的致病基因预测方法 | 第28-30页 |
| 3.2.3 致病基因预测方法比较 | 第30-31页 |
| 3.3 小结 | 第31-32页 |
| 4 实验及结果分析 | 第32-51页 |
| 4.1 实验环境 | 第32页 |
| 4.2 实验数据 | 第32-38页 |
| 4.2.1 蛋白质交互网络 | 第33-34页 |
| 4.2.2 表型交互网络 | 第34-37页 |
| 4.2.3 基因—表型交互数据 | 第37-38页 |
| 4.3 评价方法 | 第38-39页 |
| 4.4 实验结果及讨论 | 第39-44页 |
| 4.4.1 表型相似度计算结果 | 第39页 |
| 4.4.2 致病基因预测实验结果 | 第39-44页 |
| 4.5 致病基因预测时间效率分析 | 第44-45页 |
| 4.6 案例分析 | 第45-51页 |
| 4.6.1 阿尔茨海默病 | 第46-47页 |
| 4.6.2 2型糖尿病 | 第47-49页 |
| 4.6.3 乳腺癌 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-58页 |