首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文--一般数理统计论文

基于矩阵填充和岭回归模型的抗癌药物敏感性预测

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 课题背景第10-11页
    1.2 研究的目的及意义第11-12页
    1.3 国内外研究现状第12-14页
    1.4 论文的主要研究内容第14-16页
第2章 数据处理和抗癌药物敏感性预测模型第16-34页
    2.1 数据处理第16-18页
        2.1.1 数据来源第16-17页
        2.1.2 CCLE与GDSC数据处理第17-18页
    2.2 基于矩阵填充的抗癌药物敏感性预测模型第18-24页
        2.2.1 矩阵填充模型第19-20页
        2.2.2 矩阵填充模型算法及理论推导第20-24页
    2.3 基于岭回归的抗癌药物敏感性预测模型第24-32页
        2.3.1 CCLE与GDSC基因筛选第24-31页
        2.3.2 岭回归模型第31页
        2.3.3 岭回归模型理论推导第31-32页
    2.4 矩阵填充—岭回归加权模型第32-33页
    2.5 本章小结第33-34页
第3章 抗癌药物敏感性预测模型相关结论第34-52页
    3.1 模型参数优化第34-41页
        3.1.1 十折交叉验证第34页
        3.1.2 矩阵填充模型参数优化第34-37页
        3.1.3 岭回归模型参数优化第37-39页
        3.1.4 矩阵填充—岭回归加权模型参数优化第39-41页
    3.2 预测结果分析与比较第41-48页
        3.2.1 CCLE数据集预测结果分析与比较第41-43页
        3.2.2 GDSC数据集预测结果分析与比较第43-48页
    3.3 基因功能分析第48-51页
        3.3.1 筛选基因第48-49页
        3.3.2 基因功能分析第49-51页
    3.4 本章小结第51-52页
结论第52-53页
附录A第53-61页
参考文献第61-67页
攻读硕士学位期间承担的科研任务与主要成果第67-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:新型纳米电化学p16INK4a基因及其表达蛋白的传感分析与研究
下一篇:基于核磁共振的生物力学心脏模型用于优化肺动脉瓣置换手术