| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-22页 |
| 1.1 引言 | 第10-14页 |
| 1.2 国内外相关研究 | 第14-18页 |
| 1.2.1 Census | 第14-15页 |
| 1.2.2 The APEX Tool | 第15-16页 |
| 1.2.3 PAI模型 | 第16-17页 |
| 1.2.4 Normalized Spectral Abundance Factors(NSAF)算法 | 第17-18页 |
| 1.3 研究目标和任务 | 第18-22页 |
| 1.3.1 本论文解决的关键问题 | 第18-19页 |
| 1.3.2 研究目标和任务 | 第19-20页 |
| 1.3.3 论文内容安排 | 第20-22页 |
| 2 复杂蛋白质组的非标记定量分析方法 | 第22-34页 |
| 2.1 数据源及方法概述 | 第22-25页 |
| 2.1.1 数据源简介 | 第22-23页 |
| 2.1.2 数据获取 | 第23-24页 |
| 2.1.3 数据的预处理 | 第24-25页 |
| 2.2 非标记定量分析方法 | 第25-29页 |
| 2.2.1 基于谱图计数的非标记定量分析方法 | 第25-26页 |
| 2.2.2 结合共享肽的优化算法 | 第26-27页 |
| 2.2.3 结合总离子数的非标记定量分析方法 | 第27-29页 |
| 2.3 基于生物医学知识挖掘复杂蛋白质组的功能注释信息 | 第29-32页 |
| 2.3.1 g：Profiler简介 | 第29页 |
| 2.3.2 KEGG简介 | 第29-30页 |
| 2.3.3 利用g：Profiler获取海量蛋白质组功能注释信息 | 第30-32页 |
| 2.4 利用BLAST进行序列比对 | 第32-33页 |
| 2.4.1 BLAST简介 | 第32页 |
| 2.4.2 不同物种的蛋白质映射 | 第32-33页 |
| 2.5 小结 | 第33-34页 |
| 3 基于生物医学知识的非标记定量结果分析与整合 | 第34-53页 |
| 3.1 线粒体简介 | 第34-35页 |
| 3.2 非标记定量算法的评估 | 第35-39页 |
| 3.2.1 结合共享肽的优化算法评估 | 第35-37页 |
| 3.2.2 检出肽段与总离子数相结合的优化算法评估 | 第37-39页 |
| 3.3 结合生物医学知识的分析 | 第39-52页 |
| 3.3.1 采用相关性统计学模型对线粒体蛋白质组数据进行定量比较 | 第39-41页 |
| 3.3.2 通过聚类理解线粒体蛋白质的功能特性 | 第41-45页 |
| 3.3.3 电子传递链的定量比较分析 | 第45-49页 |
| 3.3.4 结合相互作用组的定量分析 | 第49-51页 |
| 3.3.5 结合等电点的定量分析 | 第51-52页 |
| 3.4 小结 | 第52-53页 |
| 4 复杂蛋白质组的非标记定量分析软件设计与实现 | 第53-60页 |
| 4.1 复杂蛋白质组的非标记定量分析软件设计 | 第53-55页 |
| 4.2 结合生物医学知识的非标记定量分析软件实现 | 第55-59页 |
| 4.2.1 首页 | 第55页 |
| 4.2.2 数据加载 | 第55-57页 |
| 4.2.3 定量结果主页面 | 第57-58页 |
| 4.2.4 定量结果比较页面 | 第58-59页 |
| 4.3 小结 | 第59-60页 |
| 5 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 作者简介及在学成果 | 第62-63页 |
| 参考文献 | 第63-70页 |
