| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-15页 |
| 1.1 研究背景及研究意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 症状基因研究的意义 | 第12-13页 |
| 1.2 本文主要工作 | 第13-14页 |
| 1.3 论文组织安排 | 第14-15页 |
| 2 复杂网络和链路预测相关理论 | 第15-20页 |
| 2.1 复杂网络概述 | 第15-16页 |
| 2.1.1 复杂网络的定义 | 第15-16页 |
| 2.1.2 基本的网络模型 | 第16页 |
| 2.2 链路预测概述 | 第16-17页 |
| 2.3 复杂网络上的随机游走 | 第17-18页 |
| 2.4 链路预测评价指标 | 第18-20页 |
| 2.4.1 AUC | 第18-19页 |
| 2.4.2 精确度 | 第19页 |
| 2.4.3 排序分 | 第19-20页 |
| 3 表型基因型关联分析方法研究 | 第20-26页 |
| 3.1 网络医学 | 第20-23页 |
| 3.1.1 相互作用网络 | 第20-21页 |
| 3.1.2 网络医学中的假设 | 第21页 |
| 3.1.3 疾病网络的特性 | 第21-23页 |
| 3.2 疾病基因预测方法 | 第23-26页 |
| 4 基于症病关系的症状基因预测方法 | 第26-51页 |
| 4.1 研究方法概述 | 第26-27页 |
| 4.1.1 研究方法概述 | 第26页 |
| 4.1.2 评价方法 | 第26-27页 |
| 4.2 研究方法的实现 | 第27-35页 |
| 4.2.1 数据集成 | 第27-29页 |
| 4.2.2 网络构建 | 第29-30页 |
| 4.2.3 PRINCE算法 | 第30-32页 |
| 4.2.4 PRINCE算法在症状基因预测中的应用 | 第32-35页 |
| 4.3 实验结果以及评价 | 第35-48页 |
| 4.3.1 PRINCE_TD | 第36-41页 |
| 4.3.2 PRINCE_ST | 第41-45页 |
| 4.3.3 PRINCE_SB | 第45-48页 |
| 4.4 讨论 | 第48-51页 |
| 5 基于药物副作用的症状基因预测研究方法 | 第51-62页 |
| 5.1 方法概述 | 第51-52页 |
| 5.2 研究方法的实现 | 第52-56页 |
| 5.2.1 相关数据 | 第52-53页 |
| 5.2.2 网络构建 | 第53-54页 |
| 5.2.3 研究方法 | 第54-56页 |
| 5.3 实验结果 | 第56-58页 |
| 5.4 与PRINCE算法相结合的综合实验结果以及评价 | 第58-61页 |
| 5.5 讨论 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |