| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-33页 |
| 1.1 研究背景，目的及意义 | 第15-17页 |
| 1.2 研究现状 | 第17-31页 |
| 1.2.1 模拟空间环境下预警模型的研究与应用 | 第17-18页 |
| 1.2.2 高通量组学数据在预警模型中的研究进展 | 第18-21页 |
| 1.2.3 高通量组学数据分析技术 | 第21-26页 |
| 1.2.4 预警模型研究的特征筛选与评估方法 | 第26-28页 |
| 1.2.5 本文使用的高通量组学数据库简介 | 第28-31页 |
| 1.3 论文的主要内容及技术路线 | 第31-33页 |
| 第2章 高通量组学数据的处理与建模算法研究 | 第33-53页 |
| 2.1 引言 | 第33页 |
| 2.2 高通量组学数据标准化算法 | 第33-41页 |
| 2.2.1 基因组-基于极大似然估计的拷贝数变异检测算法 | 第33-37页 |
| 2.2.2 转录组-RNASeq质控-标准化算法 | 第37-40页 |
| 2.2.3 表观遗传组-基于子集校正的甲基化芯片定量标准化算法 | 第40-41页 |
| 2.3 多机器学习预警模型库 | 第41-49页 |
| 2.3.1 多机器学习算法 | 第42-46页 |
| 2.3.2 特征筛选算法 | 第46-47页 |
| 2.3.3 基于遍历策略的组合模型算法 | 第47-49页 |
| 2.4 功能分析方法 | 第49页 |
| 2.5 高通量组学数据处理与建模软件CAPM开发 | 第49-51页 |
| 2.6 本章小结 | 第51-53页 |
| 第3章 基于CAPM研究模拟空间环境下受试者的血糖变化 | 第53-70页 |
| 3.1 引言 | 第53-54页 |
| 3.2“火星 500”实验人体表观遗传、生化水平的变化规律研究 | 第54-59页 |
| 3.2.1 生化指标的时序性变化研究 | 第54-56页 |
| 3.2.2 表观遗传水平的时序性变化研究 | 第56-57页 |
| 3.2.3 血糖与表观遗传水平的时序关联性分析 | 第57-59页 |
| 3.3 基于DNA甲基化水平的血糖预测建模研究 | 第59-68页 |
| 3.3.1 血糖预测模型构建 | 第59-60页 |
| 3.3.2 血糖预测模型特征筛选 | 第60-63页 |
| 3.3.3 不同特征集对血糖预测性能的比较评价 | 第63-65页 |
| 3.3.4 血糖模型最优甲基化标记物的分布和功能研究 | 第65-67页 |
| 3.3.5 血糖模型最优甲基化标记物对二型糖尿病风险人群的识别 | 第67-68页 |
| 3.4 本章小结 | 第68-70页 |
| 第4章 基于CAPM研究模拟空间环境下受试者的应激表型变化 | 第70-83页 |
| 4.1 引言 | 第70-71页 |
| 4.2 模拟空间环境-睡眠剥夺实验数据分析 | 第71-72页 |
| 4.2.1 模拟空间环境-睡眠剥夺应激指标处理 | 第71页 |
| 4.2.2 micro RNA芯片数据分析 | 第71-72页 |
| 4.3 模拟空间环境-睡眠剥夺应激指标预测模型 | 第72-81页 |
| 4.3.1 基于CAPM方法的应激指标预测模型构建 | 第72-73页 |
| 4.3.2 综合生化指标的建模与分析 | 第73-75页 |
| 4.3.3 生化应激指标的建模与分析 | 第75-77页 |
| 4.3.4 心理指标的建模与分析 | 第77-80页 |
| 4.3.5“micro RNAs-血小板”理论模型 | 第80-81页 |
| 4.4 本章小结 | 第81-83页 |
| 第5章 CAPM应用于癌症预后和分类的建模研究 | 第83-105页 |
| 5.1 引言 | 第83-84页 |
| 5.2 癌症多组学数据挖掘 | 第84-86页 |
| 5.2.1 癌症高通量组学数据 | 第84-85页 |
| 5.2.2 癌症多组学数据处理及分析 | 第85-86页 |
| 5.3 基于CAPM方法的多组学预后建模研究 | 第86-97页 |
| 5.3.1 多组学预后模型流程框架 | 第86-89页 |
| 5.3.2 多组学标记物对癌症预后预测性能的比较 | 第89-92页 |
| 5.3.3 整合多组学标记物对癌症预后的建模研究 | 第92-93页 |
| 5.3.4 多组学预后模型的生存分析验证 | 第93-95页 |
| 5.3.5 临床表型数据对多组学预后模型的影响 | 第95-97页 |
| 5.4 基于基因组突变的多原发肺癌分类研究 | 第97-103页 |
| 5.4.1 突变检出分析 | 第97-98页 |
| 5.4.2 多原发肺癌分类模型 | 第98-101页 |
| 5.4.3 肺癌双原发病灶特异性突变标记物分析 | 第101-103页 |
| 5.5 本章小结 | 第103-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-121页 |
| 攻读博士学位期间发表的一作论文及其它成果 | 第121-123页 |
| 致谢 | 第123-124页 |
| 个人简历 | 第124页 |
