| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 研究背景与意义 | 第16-19页 |
| 1.1.1 研究背景 | 第16-17页 |
| 1.1.2 研究意义 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-22页 |
| 1.3 本文研究目的及主要工作 | 第22-24页 |
| 1.4 论文的组织结构 | 第24-26页 |
| 第2章 miRNAs的功能与疾病miRNAs预测方法研究 | 第26-53页 |
| 2.1 miRNAs相关知识介绍 | 第26-29页 |
| 2.1.1 miRNAs的形成过程 | 第26-27页 |
| 2.1.2 miRNAs的作用机制 | 第27-28页 |
| 2.1.3 miRNAs的特点 | 第28-29页 |
| 2.2 miRNAs的功能 | 第29-33页 |
| 2.2.1 miRNAs与生命活动 | 第29-30页 |
| 2.2.2 miRNAs与疾病 | 第30-31页 |
| 2.2.3 miRNAs与恶性肿瘤 | 第31-33页 |
| 2.2.4 以miRNAs为靶点的药物设计 | 第33页 |
| 2.3 miRNAs生物分子网络 | 第33-36页 |
| 2.3.1 miRNAs与基因的相互作用 | 第34-35页 |
| 2.3.2 miRNAs与lncRNAs的相互作用 | 第35页 |
| 2.3.3 miRNAs与转录因子的相互作用 | 第35页 |
| 2.3.4 miRNAs与环境因子的相互作用 | 第35-36页 |
| 2.4 miRNAs相关数据资源 | 第36-39页 |
| 2.5 目前常用的相似性网络计算识别方法 | 第39-52页 |
| 2.5.1 相关依据 | 第40-41页 |
| 2.5.2 MISIM方法 | 第41-45页 |
| 2.5.3 HDMP方法 | 第45-48页 |
| 2.5.4 RLSMDA方法 | 第48-49页 |
| 2.5.5 Liu的方法 | 第49-50页 |
| 2.5.6 KATZ方法 | 第50-51页 |
| 2.5.7 NTSMDA方法 | 第51-52页 |
| 2.6 小结 | 第52-53页 |
| 第3章 整合相似性网络的疾病miRNAs关联预测方法研究 | 第53-71页 |
| 3.1 问题描述 | 第53-54页 |
| 3.2 NSIM模型的框架结构 | 第54-55页 |
| 3.3 数据集及预处理 | 第55-56页 |
| 3.4 疾病相似性网络重构 | 第56-58页 |
| 3.4.1 疾病语义相似性的度量 | 第56-57页 |
| 3.4.2 miRNA功能相似性的度量 | 第57页 |
| 3.4.3 重构疾病相似性网络 | 第57-58页 |
| 3.5 基于相似性网络整合预测miRNA-疾病关联 | 第58-60页 |
| 3.5.1 预测得分计算 | 第58-59页 |
| 3.5.2 NSIM模型的LOOCV算法描述 | 第59-60页 |
| 3.6 实验及结果分析 | 第60-63页 |
| 3.6.1 性能评估方法 | 第60-61页 |
| 3.6.2 性能评估 | 第61-63页 |
| 3.7 NSIM方法应用 | 第63-69页 |
| 3.7.1 在前列腺肿瘤上的预测 | 第65-66页 |
| 3.7.2 在乳腺肿瘤上的预测 | 第66-67页 |
| 3.7.3 在结肠肿瘤上的预测 | 第67-68页 |
| 3.7.4 孤立疾病的预测 | 第68-69页 |
| 3.8 小结 | 第69-71页 |
| 第4章 基于SimRank和密度聚类的疾病miRNAs关联推荐方法研究 | 第71-88页 |
| 4.1 问题描述 | 第71-73页 |
| 4.2 SRMDAP预测模型的框架结构 | 第73页 |
| 4.3 数据集及预处理 | 第73-74页 |
| 4.4 miRNA-miRNA相似性和疾病-疾病相似性的计算 | 第74-76页 |
| 4.4.1 SimRank简介 | 第74-75页 |
| 4.4.2 miRNA-miRNA相似性的计算 | 第75-76页 |
| 4.4.3 疾病-疾病相似性的计算 | 第76页 |
| 4.5 整合基于密度的聚类推荐算法预测miRNA-疾病关联得分 | 第76-81页 |
| 4.5.1 方法介绍 | 第76-78页 |
| 4.5.2 SRMDAP模型的预测得分计算 | 第78-80页 |
| 4.5.3 SRMDAP模型的LOOCV算法描述 | 第80-81页 |
| 4.6 实验及结果分析 | 第81-82页 |
| 4.7 SRMDAP方法应用 | 第82-87页 |
| 4.7.1 与肾肿瘤相关miRNAs的预测 | 第83-84页 |
| 4.7.2 与结直肠肿瘤相关miRNAs的预测 | 第84-85页 |
| 4.7.3 孤立疾病的预测 | 第85-86页 |
| 4.7.4 孤立miRNA的预测 | 第86-87页 |
| 4.8 小结 | 第87-88页 |
| 第5章 整合miRNA家族和簇信息的疾病miRNAs预测方法研究 | 第88-109页 |
| 5.1 问题描述 | 第88-89页 |
| 5.2 FCMDAP预测模型的框架结构 | 第89-90页 |
| 5.3 数据集及预处理 | 第90页 |
| 5.4 相似性网络重构 | 第90-93页 |
| 5.4.1 信息量、信息熵和互信息 | 第90-91页 |
| 5.4.2 构建miRNA和疾病相似性网络 | 第91-92页 |
| 5.4.3 构建疾病相似性网络 | 第92页 |
| 5.4.4 基于miRNA家族信息重构miRNA相似性网络 | 第92-93页 |
| 5.5 基于k个最相似邻居的推荐算法预测疾病相关miRNAs | 第93-96页 |
| 5.5.1 miRNA空间得分计算 | 第93-94页 |
| 5.5.2 疾病空间得分计算 | 第94-95页 |
| 5.5.3 最终疾病相关miRNAs预测得分计算 | 第95页 |
| 5.5.4 FCMDAP预测模型的LOOCV算法描述 | 第95-96页 |
| 5.6 实验及结果分析 | 第96-99页 |
| 5.6.1 性能评估 | 第96-97页 |
| 5.6.2 参数对FCMDAP模型的影响 | 第97-99页 |
| 5.7 FCMDAP方法应用 | 第99-108页 |
| 5.7.1 与结直肠肿瘤相关miRNAs的预测 | 第99-101页 |
| 5.7.2 与肺肿瘤相关miRNAs的预测 | 第101-103页 |
| 5.7.3 与胰腺肿瘤相关miRNAs的预测 | 第103-106页 |
| 5.7.4 孤立疾病的预测 | 第106-107页 |
| 5.7.5 孤立miRNA的预测 | 第107-108页 |
| 5.8 小结 | 第108-109页 |
| 结论 | 第109-112页 |
| 参考文献 | 第112-124页 |
| 致谢 | 第124-125页 |
| 附录A 攻读学位期间所发表的学术论文 | 第125-126页 |
| 附录B 攻读博士学位期间主要参与的课题 | 第126页 |
