首页--医药、卫生论文--肿瘤学论文--肿瘤学实验研究论文--肿瘤学调查与统计论文

癌症致病通路中互斥突变识别的统计模型

摘要第6-8页
abstract第8-9页
常用缩写词中英文对照表第10-11页
前言第11-14页
1 体细胞突变识别的方法研究第14-16页
    1.1 体细胞突变识别第14页
    1.2 驱动突变识别第14-16页
        1.2.1 基于先验知识的网络构建第15页
        1.2.2 基于互斥突变识别致癌基因或通路第15-16页
2 互斥突变识别的方法研究第16-22页
    2.1 RME算法第16页
    2.2 MEMo算法第16-17页
    2.3 Dendrix/MDPFinder/Multi-Dendrix算法第17-19页
    2.4 Muex算法第19-22页
        2.4.1 互斥模型第20页
        2.4.2 独立模型第20-21页
        2.4.3 互斥检验第21-22页
3 MEGSA算法第22-26页
    3.1 似然比统计量(LRT)的计算第22-24页
    3.2 总体无效检验第24-25页
    3.3 用模型选择识别最优互斥基因集第25-26页
4 模拟研究第26-29页
    4.1 模拟研究目的第26页
    4.2 模拟数据设计第26-27页
    4.3 模拟结果第27-29页
5 实例研究第29-35页
    5.1 数据来源第29-30页
    5.2 构建突变矩阵第30页
    5.3 程序实现第30-31页
    5.4 结果第31-35页
6 讨论第35-39页
    6.1 算法讨论第35页
    6.2 结果讨论第35-39页
参考文献第39-42页
综述第42-48页
    参考文献第46-48页
致谢第48-50页
在学期间参与的科研课题与研究成果第50-51页
个人简历第51页

论文共51页,点击 下载论文
上一篇:EZH2/STAT3/VEGFR2轴调控人头颈部鳞癌侵袭转移的实验研究
下一篇:探讨非小细胞肺癌组织中Treg细胞与PET/CT SUVmax的相关性及其对预后的影响