| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 前言 | 第11-15页 |
| 第Ⅰ部分 连续性表型的贝叶斯多位点模型 | 第15-71页 |
| 1.1 研究目的 | 第15页 |
| 1.2 贝叶斯多位点模型算法构建 | 第15-27页 |
| 1.2.1 贝叶斯LASSO | 第16-18页 |
| 1.2.2 贝叶斯适应性LASSO | 第18-19页 |
| 1.2.3 变分贝叶斯估计 | 第19-21页 |
| 1.2.4 基于变分推断算法的贝叶斯适应性LASSO | 第21-24页 |
| 1.2.5 BAL-VI的超参数选择 | 第24-26页 |
| 1.2.6 BAL-VI后验推断 | 第26页 |
| 1.2.7 算法实施 | 第26-27页 |
| 1.3 模拟试验 | 第27-60页 |
| 1.3.1 模拟试验设计 | 第27-29页 |
| 1.3.2 评价指标 | 第29-30页 |
| 1.3.3 情境A模拟结果 | 第30-45页 |
| 1.3.4 情境B模拟结果 | 第45-48页 |
| 1.3.5 情境C模拟结果 | 第48-57页 |
| 1.3.6 情境D模拟结果 | 第57-60页 |
| 1.4 实例分析 | 第60-66页 |
| 1.4.1 研究对象与质量控制 | 第60-61页 |
| 1.4.2 模型拟合 | 第61页 |
| 1.4.3 结果 | 第61-66页 |
| 1.5 计算时间 | 第66页 |
| 1.6 讨论 | 第66-70页 |
| 1.6.1 三个模型的综合评价 | 第67页 |
| 1.6.2 高LD结构下的参数估计 | 第67-68页 |
| 1.6.3 BAL-VI模型的变量选择准则 | 第68页 |
| 1.6.4 超参数选择的敏感性 | 第68-69页 |
| 1.6.5 实例分析中二分类表型的处理 | 第69-70页 |
| 1.7 小结 | 第70-71页 |
| 第Ⅱ部分 应用于生存数据的贝叶斯多位点模型 | 第71-109页 |
| 2.1 研究目的 | 第71页 |
| 2.2 贝叶斯多位点生存模型 | 第71-80页 |
| 2.2.1 SurvEMVS模型 | 第71-77页 |
| 2.2.2 SurvEMVS的超参数选择 | 第77-78页 |
| 2.2.3 后验推断 | 第78-79页 |
| 2.2.4 算法实施 | 第79-80页 |
| 2.3 模拟试验 | 第80-94页 |
| 2.3.1 模拟试验设计 | 第80-81页 |
| 2.3.2 评价指标 | 第81页 |
| 2.3.3 模拟结果—SurvEMVS算法迭代与超参数调节 | 第81-82页 |
| 2.3.4 模拟结果—变量选择 | 第82-84页 |
| 2.3.5 模拟结果—参数估计 | 第84-85页 |
| 2.3.6 模拟结果—结局预测 | 第85-94页 |
| 2.4 实例分析—肺癌GWAS数据 | 第94-96页 |
| 2.4.1 研究对象与质量控制 | 第94页 |
| 2.4.2 模型拟合 | 第94-95页 |
| 2.4.3 分析结果 | 第95-96页 |
| 2.5 实例分析—胃癌基因表达数据 | 第96-105页 |
| 2.5.1 数据来源与预处理 | 第96页 |
| 2.5.2 模型拟合 | 第96-97页 |
| 2.5.3 分析结果 | 第97-105页 |
| 2.6 讨论 | 第105-107页 |
| 2.6.1 模型综合评价与超参数选择 | 第105-106页 |
| 2.6.2 关于EM算法 | 第106-107页 |
| 2.6.3 关于参数分布假设 | 第107页 |
| 2.7 小结 | 第107-109页 |
| 第Ⅲ部分 研究总结和展望 | 第109-111页 |
| 3.1 研究总结 | 第109-110页 |
| 3.2 研究展望 | 第110-111页 |
| 参考文献 | 第111-117页 |
| 文献综述 | 第117-143页 |
| 参考文献 | 第137-143页 |
| 攻读博士学位期间发表论文情况 | 第143-144页 |
| 致谢 | 第144-145页 |