| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1 引言 | 第9-12页 |
| 1.1 生物信息学 | 第9页 |
| 1.2 基因和蛋白质的表达 | 第9-10页 |
| 1.3 微阵列技术 | 第10页 |
| 1.4 疾病和癌症 | 第10-11页 |
| 1.5 代谢通路 | 第11-12页 |
| 1.6 miRNA | 第12页 |
| 1.7 GWAS | 第12页 |
| 2 国内外发展现状 | 第12-15页 |
| 2.1 识别疾病相关miRNA方法的发展现状 | 第12-14页 |
| 2.2 GWAS方法识别LDL相关SNP和gene的发展现状 | 第14-15页 |
| 3 常用分析工具 | 第15-16页 |
| 3.1 R语言 | 第15页 |
| 3.2 Bioconductor | 第15-16页 |
| 4 本文研究内容 | 第16页 |
| 5 本文的工作与组织 | 第16-19页 |
| 第二章 子通路方法识别疾病相关的miRNA | 第19-35页 |
| 1 引言 | 第19页 |
| 2 基本概念 | 第19-20页 |
| 2.1 KEGG | 第19-20页 |
| 2.2 NCBI | 第20页 |
| 3 数据集 | 第20-22页 |
| 3.1 基因表达谱 | 第20-21页 |
| 3.2 miRNA–gene Associations | 第21页 |
| 3.3 miRNA-miRNA功能相似性网络 | 第21页 |
| 3.4 miRNA–Disease Associations | 第21-22页 |
| 4 我们方法的介绍 | 第22-24页 |
| 4.1 子通路 | 第22页 |
| 4.2 最小生成树 | 第22页 |
| 4.3 定义子通路具体流程 | 第22页 |
| 4.4 sub-SPIA方法介绍 | 第22-23页 |
| 4.5 识别疾病相关的miRNA | 第23-24页 |
| 4.5.1 确定疾病相关候选基因 | 第23-24页 |
| 4.5.2 计算和排列候选miRNA | 第24页 |
| 5 结果 | 第24-35页 |
| 5.1 性能评估 | 第25-26页 |
| 5.2 识别新的疾病相关的miRNA | 第26-32页 |
| 5.3 结果分析 | 第32-35页 |
| 第三章 全基因组关联分析方法识别低密度脂蛋白相关的基因 | 第35-49页 |
| 1 引言 | 第35页 |
| 2 方法和材料 | 第35-37页 |
| 2.1 样本 | 第35页 |
| 2.2 质量控制 | 第35-36页 |
| 2.3 低密度脂蛋白指标 | 第36页 |
| 2.4 生活习惯介绍 | 第36页 |
| 2.5 统计分析方法 | 第36-37页 |
| 3 结果 | 第37-49页 |
| 3.1 候选基因的生物学分析 | 第37-40页 |
| 3.2 通过显著位点的效应值分析不同生活习惯对LDL的影响 | 第40-43页 |
| 3.3 被生活习惯引起的变量 | 第43-45页 |
| 3.4 被生活变量抑制的显著效应 | 第45页 |
| 3.5 结果分析 | 第45-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
