| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 论文的组织结构 | 第12-14页 |
| 第二章 致病基因预测方法的研究现状 | 第14-22页 |
| 2.1 致病基因简介 | 第14-15页 |
| 2.2 致病基因相关的网络特性 | 第15-16页 |
| 2.3 常用生物网络 | 第16-19页 |
| 2.4 基于网络的疾病基因预测方法 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 基于模块归一化和表型本体的疾病基因预测 | 第22-35页 |
| 3.1 基于模块的疾病基因预测方法 | 第22-23页 |
| 3.2 基于模块归一化和表型本体的疾病基因预测方法 | 第23-28页 |
| 3.2.1 识别PPI网络中的疾病模块 | 第24-25页 |
| 3.2.2 表型相似性计算方法 | 第25-26页 |
| 3.2.3 网络中孤立节点处理 | 第26-28页 |
| 3.2.4 候选基因权重计算 | 第28页 |
| 3.3 实验结果和分析 | 第28-34页 |
| 3.3.1 实验数据 | 第28页 |
| 3.3.2 模块识别方法的理论依据 | 第28-29页 |
| 3.3.3 模块功能富集性分析 | 第29-31页 |
| 3.3.4 模块识别方法评价 | 第31-32页 |
| 3.3.5 留一交叉验证 | 第32-33页 |
| 3.3.6 实例分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于拉普拉斯正则化的自适应跳转随机游走算法 | 第35-53页 |
| 4.1 随机游走模型 | 第35-38页 |
| 4.1.1 基于图的随机游走模型 | 第35-36页 |
| 4.1.2 基于蛋白质网络的随机游走模型 | 第36页 |
| 4.1.3 基于异构网络的随机游走算法 | 第36-38页 |
| 4.2 基于拉普拉斯正则化的自适应跳转随机游走方法 | 第38-44页 |
| 4.2.1 异构网络矩阵表示 | 第39-40页 |
| 4.2.2 跳转概率计算 | 第40页 |
| 4.2.3 异构网络重构 | 第40-41页 |
| 4.2.4 异构网络拉普拉斯正则化 | 第41-44页 |
| 4.3 实验结果和分析 | 第44-52页 |
| 4.3.1 实验数据 | 第44页 |
| 4.3.2 算法性能分析 | 第44页 |
| 4.3.3 交叉验证 | 第44-46页 |
| 4.3.4 参数分析 | 第46-47页 |
| 4.3.5 ROC曲线分析 | 第47-48页 |
| 4.3.6 疾病基因预测 | 第48-50页 |
| 4.3.7 致病基因模块性分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 下一步研究工作 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士期间发表的论文和参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
