| 中文摘要 | 第7-9页 |
| 英文摘要 | 第9-10页 |
| 常用缩写词中英文对照表 | 第11-13页 |
| 前言 | 第13-19页 |
| 1.1 基于单个组学数据的疾病预测 | 第13-15页 |
| 1.2 基于多个组学数据融合的疾病预测 | 第15-19页 |
| 第一部分 基于单个基因组数据的GA-CKPLS疾病预测模型构建 | 第19-40页 |
| 1 材料与方法 | 第19-31页 |
| 1.1 复合核 | 第19-20页 |
| 1.2 CKPLS预测算法 | 第20-24页 |
| 1.3 确定最佳潜向量个数mopt的标准 | 第24页 |
| 1.4 应用遗传算法（GA）优化模型参数 | 第24-27页 |
| 1.5 GA-CKPLS模型预测性能的评价标准 | 第27-28页 |
| 1.6 模拟研究 | 第28-29页 |
| 1.7 实例数据分析 | 第29-31页 |
| 2 结果 | 第31-37页 |
| 2.1 模拟研究结果 | 第31-34页 |
| 2.2 实例数据分析结果 | 第34-37页 |
| 3 讨论 | 第37-39页 |
| 3.1 从单一基因组数据源的复合核到多个基因组数据源的核融合 | 第37页 |
| 3.2 未选择核主成分析（KPCA）的原因 | 第37-38页 |
| 3.3 纳入重要的外源性因素以提高预测性能的必要性 | 第38-39页 |
| 4 结论 | 第39-40页 |
| 4.1 GA-CKPLS模型改善了预测性能 | 第39页 |
| 4.2 遗传算法可以作为CKPLS模型的参数优化的方法 | 第39页 |
| 4.3 GA-CKPLS可用于疾病的早期诊断 | 第39-40页 |
| 第二部分 基于多组学数据的GA-CKPLS核融合疾病预测模型构建 | 第40-62页 |
| 1 材料与方法 | 第40-50页 |
| 1.1 用于核融合的复合核 | 第40页 |
| 1.2 CKPLS模型的算法 | 第40-43页 |
| 1.3 确定最佳潜向量个数mopt的标准 | 第43页 |
| 1.4 应用遗传算法（GA）优化模型参数 | 第43-44页 |
| 1.5 CKPLS模型分类性能的评价指标 | 第44-45页 |
| 1.6 实例数据分析 | 第45-50页 |
| 2 结果 | 第50-59页 |
| 2.1 基于单个数据源的GA-KPLS模型与基于两个数据源的GA-CKPLS或GA-KPLS模型之间的性能比较 | 第50-54页 |
| 2.2 基于任意两个数据源的GA-CKPLS核融合模型与基于所有三个数据源的GA-CKPLS或GA-KPLS模型的性能比较 | 第54-55页 |
| 2.3 所有基于按列合并建立的GA-KPLS模型与利用单个数据源建立的GA-KPLS模型之间的分类性能比较 | 第55-56页 |
| 2.4 所有核融合设计的15个模型的似然比值 | 第56-57页 |
| 2.5 所有核融合设计的15个模型的MCC | 第57-58页 |
| 2.6 GA-CKPLS与PLS分类性能的比较 | 第58-59页 |
| 3 讨论 | 第59-61页 |
| 3.1 GA-CKPLS核融合模型的应用扩展 | 第59页 |
| 3.2 核近似法应对大规模的组学数据 | 第59-60页 |
| 3.3 纳入重要的外源性因素以提高预测性能的必要性 | 第60-61页 |
| 4 结论 | 第61-62页 |
| 全文结论 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 综述 | 第69-109页 |
| 参考文献 | 第103-109页 |
| 附录 | 第109-110页 |
| 致谢 | 第110-111页 |
| 在学期间研究成果 | 第111-112页 |
| 个人简历 | 第112页 |
