| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-31页 |
| ·课题研究背景 | 第16-20页 |
| ·遗传疾病分类 | 第16-17页 |
| ·人类基因组计划 | 第17-19页 |
| ·中国人类基因组研究 | 第19页 |
| ·后基因组计划与复杂疾病致病基因研究 | 第19-20页 |
| ·课题研究目的及意义 | 第20-22页 |
| ·基于传统实验方法的致病基因挖掘研究 | 第20-21页 |
| ·基于生物信息学方法的致病基因挖掘研究 | 第21-22页 |
| ·生物信息学 | 第22-25页 |
| ·生物信息学研究内容及意义 | 第22-23页 |
| ·生物信息学研究方法 | 第23-24页 |
| ·生物信息学国内外研究现状 | 第24-25页 |
| ·生物信息学与致病基因挖掘 | 第25-28页 |
| ·基于生物网络的致病基因挖掘方法 | 第25-26页 |
| ·基于生物医学文献的致病基因挖掘方法 | 第26页 |
| ·基于序列分析的致病基因挖掘方法 | 第26-27页 |
| ·基于基因表达数据的疾病基因挖掘方法 | 第27-28页 |
| ·基于多种生物数据类型的疾病基因挖掘方法 | 第28页 |
| ·本文研究内容 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第二章 基因表达数据及生物信息资源 | 第31-48页 |
| ·基因表达数据的获取 | 第31-32页 |
| ·cDNA 芯片 | 第31页 |
| ·寡核苷酸芯片 | 第31-32页 |
| ·基因表达数据的网络获取 | 第32页 |
| ·基因表达数据的预处理 | 第32-34页 |
| ·去负及异常点处理 | 第33页 |
| ·缺失值填补 | 第33-34页 |
| ·数据标准化 | 第34页 |
| ·基因表达数据分析 | 第34-38页 |
| ·特征基因选择 | 第34-35页 |
| ·聚类分析 | 第35-36页 |
| ·分类分析 | 第36-37页 |
| ·基因表达调控网络 | 第37页 |
| ·基因注释 | 第37-38页 |
| ·生物信息数据库 | 第38-40页 |
| ·核酸序列数据库 | 第38页 |
| ·基因组数据库 | 第38-39页 |
| ·蛋白质序列数据库 | 第39页 |
| ·基因本体数据库 | 第39页 |
| ·人类遗传数据库 | 第39页 |
| ·生物医学文献数据库 | 第39-40页 |
| ·蛋白质相互作用数据库 | 第40页 |
| ·基因表达数据分析软件 | 第40-43页 |
| ·Bioconductor | 第41页 |
| ·Cluster 和TreeView | 第41页 |
| ·SAM 和PAM | 第41页 |
| ·MATLAB 生物信息工具箱 | 第41-42页 |
| ·GeneSpring | 第42页 |
| ·BASE | 第42页 |
| ·ScanAlyze | 第42页 |
| ·GenePix Pro | 第42-43页 |
| ·DRAGON | 第43页 |
| ·论文中用到的基因表达数据 | 第43-44页 |
| ·结肠癌数据 | 第43页 |
| ·白血病数据 | 第43页 |
| ·前列腺癌数据 | 第43-44页 |
| ·基因表达数据研究方向 | 第44-45页 |
| ·数据来源 | 第44页 |
| ·数据融合 | 第44页 |
| ·分析方法集成 | 第44-45页 |
| ·基因注释和生物网络模型 | 第45页 |
| ·基因表达数据研究新方法 | 第45-47页 |
| ·三维基因数据 | 第45-46页 |
| ·仿射传播聚类 | 第46页 |
| ·小波分析去噪 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 基于奇异值分解的致病基因挖掘算法 | 第48-67页 |
| ·奇异值分解 | 第48-53页 |
| ·奇异值分解基本原理 | 第49页 |
| ·基因表达数据的奇异值分解 | 第49-50页 |
| ·特征模式数量的选取 | 第50-52页 |
| ·特征模式中分类信息评估 | 第52-53页 |
| ·Logistic 回归 | 第53-57页 |
| ·Logistic 回归模型 | 第53-54页 |
| ·Logistic 回归系数与方差的比较 | 第54-57页 |
| ·支持向量机 | 第57-58页 |
| ·基于 LRSVD 算法的特征基因选择 | 第58-60页 |
| ·基因内积的定义 | 第59页 |
| ·LRSVD 算法详细步骤 | 第59-60页 |
| ·实验结果及讨论 | 第60-66页 |
| ·仿真数据 | 第60-62页 |
| ·结肠癌数据实验结果 | 第62-63页 |
| ·前列腺癌数据实验结果 | 第63-64页 |
| ·LRSVD 算法实验结果分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第四章 基于混沌变异离散粒子群的特征基因选择算法 | 第67-77页 |
| ·粒子群算法 | 第67-69页 |
| ·基本粒子群算法 | 第67-68页 |
| ·基本粒子群算法的参数选择 | 第68-69页 |
| ·改进的粒子群算法 | 第69页 |
| ·离散粒子群算法 | 第69-71页 |
| ·基本离散粒子群算法 | 第69页 |
| ·改进的离散粒子群算法 | 第69-70页 |
| ·混沌变异离散粒子群算法 | 第70-71页 |
| ·基于混沌变异离散粒子群算法的特征基因选择 | 第71-76页 |
| ·基因表达数据的预筛选 | 第71-72页 |
| ·实验结果及分析 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 基于互信息的差异共表达致病基因挖掘方法 | 第77-98页 |
| ·差异共表达基因的定义 | 第77-78页 |
| ·差异共表达致病基因挖掘方法介绍 | 第78-80页 |
| ·基于叠加模型的方法 | 第78-79页 |
| ·熵最小化和布尔约简方法 | 第79页 |
| ·coXpress | 第79-80页 |
| ·MIClique 算法在基因表达数据中的应用 | 第80-86页 |
| ·相似性度量函数 | 第80-83页 |
| ·基于图论的最大团分析 | 第83-85页 |
| ·MIClique 算法 | 第85-86页 |
| ·实验结果与分析 | 第86-96页 |
| ·结肠癌数据 | 第87-93页 |
| ·白血病数据 | 第93-94页 |
| ·与其它相似性度量函数的比较 | 第94-96页 |
| ·实验结果分析讨论 | 第96页 |
| ·本章小结 | 第96-98页 |
| 第六章 基于ENDEAVOUR 软件鉴定肥胖症致病基因 GAD2 | 第98-108页 |
| ·致病基因预测软件 | 第98-101页 |
| ·G2D | 第98-99页 |
| ·PROSPECTR 和SUSPECTS | 第99-100页 |
| ·TOM | 第100页 |
| ·ENDEAVOUR | 第100-101页 |
| ·基于 ENDEAVOUR 软件的肥胖症致病基因GAD2 预测 | 第101-107页 |
| ·训练基因 | 第102-103页 |
| ·候选基因和训练模型 | 第103页 |
| ·实验结果与分析 | 第103-107页 |
| ·本章小结 | 第107-108页 |
| 第七章 总结与展望 | 第108-112页 |
| ·主要成果及创新 | 第108-110页 |
| ·进一步研究 | 第110-111页 |
| ·结束语 | 第111-112页 |
| 参考文献 | 第112-125页 |
| 致谢 | 第125-126页 |
| 在学期间研究成果及发表的学术论文 | 第126页 |