| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究的目的及意义 | 第12-14页 |
| 1.2 本文研究内容 | 第14-16页 |
| 1.3 本文的结构 | 第16-18页 |
| 第2章 相关生物数据和分析技术 | 第18-38页 |
| 2.1 生物数据 | 第18-21页 |
| 2.1.1 生物数据概述 | 第18页 |
| 2.1.2 相关生物数据库简介 | 第18-21页 |
| 2.2 生物信息学工具与技术 | 第21-32页 |
| 2.2.1 RNA-seq数据分析方法 | 第21-23页 |
| 2.2.2 PacBio数据分析方法 | 第23-27页 |
| 2.2.3 隐马尔可夫模型 | 第27-29页 |
| 2.2.4 基因调控网络分析方法 | 第29-31页 |
| 2.2.5 GO功能富集分析方法 | 第31-32页 |
| 2.3 数据挖掘方法 | 第32-38页 |
| 2.3.1 相关性系数分析方法 | 第32-33页 |
| 2.3.2 Wilcoxon秩和检验 | 第33-34页 |
| 2.3.3 主成分分析方法 | 第34页 |
| 2.3.4 支持向量机 | 第34-36页 |
| 2.3.5 分类模型评价指标 | 第36-38页 |
| 第3章 基于二代测序数据的抗干旱和盐胁迫性分析 | 第38-60页 |
| 3.1 引言 | 第38-40页 |
| 3.2 研究数据 | 第40-41页 |
| 3.3 研究方法 | 第41-44页 |
| 3.3.1 RNA－seq数据处理 | 第41-42页 |
| 3.3.2 识别关键的应激反应基因 | 第42-43页 |
| 3.3.3 构建基因调控网络 | 第43页 |
| 3.3.4 验证预测的调控关系 | 第43页 |
| 3.3.5 动态调控映射 | 第43-44页 |
| 3.3.6 GO富集分析 | 第44页 |
| 3.4 研究结果 | 第44-56页 |
| 3.4.1 响应干旱和盐胁迫的差异表达基因 | 第44-47页 |
| 3.4.2 两种胁迫下的基因调控网络 | 第47-51页 |
| 3.4.3 预测的调控关系的验证 | 第51-53页 |
| 3.4.4 预测的应激反应网络的功能分析 | 第53-56页 |
| 3.5 本章小结 | 第56-60页 |
| 第4章 基于PacBio测序数据的转录本识别与分析 | 第60-98页 |
| 4.1 引言 | 第60-62页 |
| 4.2 研究数据 | 第62-66页 |
| 4.2.1 植物样本 | 第62-63页 |
| 4.2.2 PacBio的测序数据集 | 第63-65页 |
| 4.2.3 Illumina的测序数据集 | 第65-66页 |
| 4.2.4 公开的数据集 | 第66页 |
| 4.3 研究方法 | 第66-75页 |
| 4.3.1 识别高质量的全长转录本的计算方法 | 第67-69页 |
| 4.3.2 用于估计失配错误率的统计模型 | 第69-71页 |
| 4.3.3 识别高质量的非全长转录本的计算方法 | 第71-72页 |
| 4.3.4 识别唯一的转录本及自动提高基因注释 | 第72-73页 |
| 4.3.5 Illumina的数据分析 | 第73页 |
| 4.3.6 验证预测的可变剪接事件 | 第73-74页 |
| 4.3.7 融合转录本的预测及验证 | 第74页 |
| 4.3.8 PacBio转录本的GO功能预测 | 第74页 |
| 4.3.9 lncRNA的预测 | 第74-75页 |
| 4.4 研究结果 | 第75-95页 |
| 4.4.1 分析全长转录本 | 第75-81页 |
| 4.4.2 分析非全长转录本 | 第81-83页 |
| 4.4.3 分析识别出的唯一的转录本 | 第83-88页 |
| 4.4.4 可变剪接转录本的识别 | 第88-90页 |
| 4.4.5 PacBio的转录本的量化 | 第90-92页 |
| 4.4.6 相关功能类别的预测 | 第92-95页 |
| 4.5 本章小结 | 第95-98页 |
| 第5章 总结与展望 | 第98-102页 |
| 5.1 研究总结 | 第98-99页 |
| 5.2 本文创新点 | 第99-101页 |
| 5.3 工作展望 | 第101-102页 |
| 参考文献 | 第102-114页 |
| 攻读博士学位期间取得的学术成果 | 第114-116页 |
| 致谢 | 第116页 |