摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 研究背景和意义 | 第10-11页 |
1.2 癌症驱动突变通路国内外研究现状 | 第11-13页 |
1.3 本文主要内容和创新点 | 第13-14页 |
1.4 本论文的组织结构 | 第14-16页 |
第二章 高通量测序癌症数据集及研究方法概述 | 第16-24页 |
2.1 基于高通量测序技术的癌症组学研究策略 | 第16-18页 |
2.2 高通量测序数据集 | 第18-20页 |
2.3 驱动突变识别方法概述 | 第20-24页 |
第三章 基于多目标优化遗传算法的癌症驱动基因与通路识别 | 第24-37页 |
3.1 Dendrix算法概述 | 第24-26页 |
3.2 多目标优化遗传算法 | 第26-29页 |
3.2.1 多目标优化模型 | 第27-28页 |
3.2.2 遗传算法(GA) | 第28-29页 |
3.3 整合模型 | 第29-30页 |
3.4 置换检验 | 第30页 |
3.5 实验分析 | 第30-35页 |
3.5.1 肺腺癌 | 第31-33页 |
3.5.2 恶性胶质瘤(GBM) | 第33-35页 |
3.6 本章小结 | 第35-37页 |
第四章 基于多组学数据的驱动基因与通路识别算法 | 第37-53页 |
4.1 DriverNet算法 | 第37-42页 |
4.1.1 DriverNet算法背景 | 第37-39页 |
4.1.2 构建突变/转录数据网络 | 第39-40页 |
4.1.3 贪婪算法(Greedy Algorithm) | 第40-41页 |
4.1.4 显著性检验 | 第41-42页 |
4.1.5 DriverNet算法小结 | 第42页 |
4.2 DriverFinder算法 | 第42-52页 |
4.2.1 表达矩阵改进 | 第43-44页 |
4.2.2 显著突变基因矩阵 | 第44-46页 |
4.2.3 DriverFinder算法流程 | 第46-47页 |
4.2.4 相关实验与分析 | 第47-52页 |
4.3 本章小结 | 第52-53页 |
第五章 总结与展望 | 第53-55页 |
5.1 本文总结 | 第53页 |
5.2 未来工作展望 | 第53-55页 |
参考文献 | 第55-61页 |
致谢 | 第61-62页 |
攻读学位期间的研究成果 | 第62页 |