| 摘要 | 第1-12页 |
| Abstract | 第12-16页 |
| 缩略词表 | 第16-18页 |
| 绪论 | 第18-28页 |
| ·基因调控网络 | 第18-20页 |
| ·基因调控网络的组织 | 第19页 |
| ·基因转录调控挖掘与评估方法 | 第19-20页 |
| ·微阵列数据对于转录调控关系的反映 | 第20-21页 |
| ·微阵列 | 第20页 |
| ·微阵列表达谱可以提示转录调控关系 | 第20-21页 |
| ·转录调控关系元的序列特征 | 第21-22页 |
| ·转录因子的序列特征 | 第21-22页 |
| ·靶基因的序列特征 | 第22页 |
| ·基于基因表达谱及序列特征的转录调控关系挖掘中存在的问题和本文对策 | 第22-24页 |
| ·研究策略 | 第23-24页 |
| ·研究内容 | 第24页 |
| ·微阵列表达谱特征参数的选取与转录调控关系挖掘 | 第24页 |
| ·微阵列表达谱特征的机器学习及优化 | 第24页 |
| ·基于序列特征的转录调控关系评估与挖掘 | 第24页 |
| ·本文的组织结构与创新性 | 第24-26页 |
| ·本文结构 | 第24-25页 |
| ·本文的创新性 | 第25-26页 |
| 参考文献 | 第26-28页 |
| 第一章 转录调控关系挖掘中微阵列表达谱多种特征的选取 | 第28-56页 |
| ·背景 | 第28-31页 |
| ·利用微阵列数据进行转录调控关系挖掘 | 第28-30页 |
| ·共表达网络和聚类算法 | 第28-29页 |
| ·布尔网络 | 第29页 |
| ·贝叶斯网络 | 第29-30页 |
| ·信息论过程 | 第30页 |
| ·微分方程 | 第30页 |
| ·本领域存在的问题 | 第30-31页 |
| ·本工作研究体系与流程 | 第31页 |
| ·方法 | 第31-33页 |
| ·基因本体 | 第31页 |
| ·箱形图 | 第31页 |
| ·分类树 | 第31-33页 |
| ·数据 | 第33页 |
| ·结果与讨论 | 第33-53页 |
| ·转录调控关系对的微阵列表达谱相似程度高 | 第33-35页 |
| ·表达水平变化范围 | 第35-43页 |
| ·表达水平差异距离 | 第36-41页 |
| ·表达谱微分差异距离 | 第41-42页 |
| ·表达水平统计量差异 | 第42-43页 |
| ·矢量分析 | 第43-46页 |
| ·共注释分析 | 第46-49页 |
| ·以分类树评估参数 | 第49-53页 |
| ·小结 | 第53页 |
| 参考文献 | 第53-56页 |
| 第二章 利用多种基因表达谱特征进行转录调控关系发现 | 第56-74页 |
| ·引言 | 第56页 |
| ·方法 | 第56-60页 |
| ·差分 | 第56页 |
| ·朴素贝叶斯分类器 | 第56-58页 |
| ·概率模型 | 第57-58页 |
| ·神经网络 | 第58-59页 |
| ·BP神经网络 | 第58页 |
| ·BP网络的学习 | 第58-59页 |
| ·利用神经网络进行转录调控网络构建 | 第59页 |
| ·ROC曲线 | 第59-60页 |
| ·数据 | 第60页 |
| ·结果与讨论 | 第60-68页 |
| ·使用神经网络整合参数 | 第60-62页 |
| ·似然比 | 第62-64页 |
| ·似然比 | 第62-64页 |
| ·联合似然比 | 第64页 |
| ·联合参数与坐标变换 | 第64-66页 |
| ·贝叶斯模型整合 | 第66-67页 |
| ·无先验知识：标准分法 | 第67-68页 |
| ·转录调控关系方向性的预测 | 第68-70页 |
| ·工具的编写开发 | 第70-71页 |
| ·小结 | 第71-72页 |
| 参考文献 | 第72-74页 |
| 第三章 利用无监督的表达水平微阵列特征提取方法挖掘转录调控关系 | 第74-90页 |
| ·引言 | 第74页 |
| ·微阵列与转录调控关系数据集 | 第74-75页 |
| ·GEO数据库简介 | 第74页 |
| ·GEO数据库的数据格式 | 第74-75页 |
| ·数据降维模型与分类器 | 第75-77页 |
| ·聚类分析 | 第75-76页 |
| ·皮尔森距离 | 第75页 |
| ·欧几里德距离 | 第75-76页 |
| ·降维算法 | 第76-77页 |
| ·主成分分析 | 第76-77页 |
| ·非负矩阵分解 | 第77页 |
| ·分类器 | 第77页 |
| ·支持向量机 | 第77页 |
| ·整合机器学习算法进行转录调控关系挖掘 | 第77-86页 |
| ·数据集 | 第78-79页 |
| ·基因表达数据 | 第78-79页 |
| ·转录调控关系数据 | 第79页 |
| ·数据处理 | 第79-80页 |
| ·转录调控关系挖掘 | 第80-86页 |
| ·基于非负矩阵分解的转录调控关系挖掘 | 第82-83页 |
| ·基于主成分分析的转录调控关系挖掘 | 第83-86页 |
| ·小结 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 第四章 利用序列特征分析进行转录调控关系的挖掘 | 第90-106页 |
| ·背景 | 第90-92页 |
| ·识别转录因子 | 第90-91页 |
| ·识别顺式调控元件 | 第91-92页 |
| ·通过位置特异权重矩阵识别模体 | 第91页 |
| ·通过特定序列识别模体 | 第91页 |
| ·通过比较基因组学识别模体 | 第91-92页 |
| ·序列特征与结合强度的相关性分析 | 第92页 |
| ·方法 | 第92-94页 |
| ·最大期望算法 | 第92-93页 |
| ·K平均算法 | 第93页 |
| ·支持向量机的核函数分类 | 第93页 |
| ·矩阵的迹 | 第93-94页 |
| ·数据收集与数据集构建 | 第94-95页 |
| ·AAindex | 第95页 |
| ·结果与讨论 | 第95-101页 |
| ·张量分析 | 第96-98页 |
| ·序列特征参数 | 第98-101页 |
| ·结论 | 第101-102页 |
| 参考文献 | 第102-106页 |
| 第五章 总结与讨论 | 第106-112页 |
| ·全文体系 | 第106页 |
| ·本文主要研究成果 | 第106-108页 |
| ·利用微阵列基因表达谱的参数化特征挖掘转录调控关系 | 第106-107页 |
| ·利用无监督的表达水平微阵列特征提取方法挖掘转录调控关系 | 第107页 |
| ·利用转录调控关系元的序列特征挖掘转录调控关系 | 第107-108页 |
| ·本领域发展前景与展望 | 第108-110页 |
| ·快速测序技术的发展及其影响 | 第108-109页 |
| ·基于序列特征的转录调控关系挖掘 | 第109页 |
| ·展望 | 第109-110页 |
| 参考文献 | 第110-112页 |
| 附录 | 第112-116页 |
| 附录1 实验中所使用的转录调控关系 | 第112-113页 |
| 附录2 序列数据的收集整理流程 | 第113-116页 |
| 个人简历 | 第116-118页 |
| 致谢 | 第118-119页 |
