信号传导通路中的基因关联和路径发现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 信号通路的发展 | 第10页 |
| 1.2.2 相关生物信息技术的发展 | 第10-12页 |
| 1.3 本文的主要工作 | 第12-15页 |
| 1.3.1 主要内容 | 第12-13页 |
| 1.3.2 组织结构 | 第13-15页 |
| 2 研究方法及技术 | 第15-34页 |
| 2.1 数据预处理技术 | 第15-19页 |
| 2.1.1 序列比对工具的使用 | 第15页 |
| 2.1.2 规范数据 | 第15-17页 |
| 2.1.3 数据维数约减 | 第17-19页 |
| 2.2 典型相关分析 | 第19-22页 |
| 2.2.1 典型相关分析的基础知识 | 第19-20页 |
| 2.2.2 典型相关分析的应用难题 | 第20-21页 |
| 2.2.3 典型相关分析的优化方法 | 第21-22页 |
| 2.3 半监督学习 | 第22-28页 |
| 2.3.1 半监督学习的发展 | 第22-23页 |
| 2.3.2 半监督学习的理论基础 | 第23页 |
| 2.3.3 半监督学习算法分类 | 第23-25页 |
| 2.3.4 SKNN算法工作原理 | 第25页 |
| 2.3.5 半监督支持向量机 | 第25-28页 |
| 2.4 路径学习方法 | 第28-33页 |
| 2.4.1 静态路径搜索算法 | 第28-30页 |
| 2.4.2 动态路径搜索算法 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于半监督学习的关联基因的识别与预测 | 第34-48页 |
| 3.1 AGS方法简介 | 第34-35页 |
| 3.2 关联基因研究过程简介 | 第35-36页 |
| 3.3 关联基因数据处理 | 第36-42页 |
| 3.3.1 数据的采集、处理 | 第36-38页 |
| 3.3.2 数据噪音的清理与规范化 | 第38-39页 |
| 3.3.3 增加标记数据 | 第39-42页 |
| 3.4 半监督学习挖掘通路中的关联基因 | 第42-47页 |
| 3.4.1 关联数据的降维 | 第42-43页 |
| 3.4.2 关联基因的学习 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 信号通路中基因路径的预测 | 第48-56页 |
| 4.1 GPACO方法简介 | 第48-49页 |
| 4.2 基因路径预测 | 第49-55页 |
| 4.2.1 基因路径预测过程 | 第49页 |
| 4.2.2 数据处理 | 第49-50页 |
| 4.2.3 基因路径的预测与结果分析 | 第50-55页 |
| 4.3 本章小结 | 第55-56页 |
| 5 结论与展望 | 第56-58页 |
| 5.1 本文总结 | 第56-57页 |
| 5.2 今后工作展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64页 |
