基于深度协同过滤模型的致病基因预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 生物信息学研究现状 | 第12-14页 |
| 1.2.2 致病基因预测研究现状 | 第14-15页 |
| 1.3 主要研究内容和创新点 | 第15-16页 |
| 1.4 本文结构安排 | 第16-18页 |
| 第二章 基因-疾病关联关系预测相关技术 | 第18-26页 |
| 2.1 基于网络的分析方法 | 第18-21页 |
| 2.2 基于文本挖掘的方法 | 第21-22页 |
| 2.3 基于计算工具的方法 | 第22页 |
| 2.4 常用基因疾病数据库 | 第22-24页 |
| 2.5 致病基因预测评价指标 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于有偏深度协同过滤的致病基因预测方法 | 第26-44页 |
| 3.1 深度学习在生物信息学中的应用 | 第26-27页 |
| 3.2 论文相关算法描述 | 第27-31页 |
| 3.2.1 基因-疾病关联关系矩阵分解模型 | 第28-29页 |
| 3.2.2 基于深度模型的基因特征提取方法 | 第29-31页 |
| 3.2.3 PU学习诱导的矩阵填充方法 | 第31页 |
| 3.3 基于有偏深度协同过滤的致病基因预测模型 | 第31-34页 |
| 3.3.1 算法基本框架 | 第31-33页 |
| 3.3.2 相关参数设置 | 第33-34页 |
| 3.4 实验结果及分析 | 第34-42页 |
| 3.4.1 实验数据 | 第35-37页 |
| 3.4.2 实验评价指标 | 第37-38页 |
| 3.4.3 实验结果对比 | 第38-40页 |
| 3.4.4 关于新疾病的相关基因预测情况 | 第40页 |
| 3.4.5 关于新关联关系的预测情况 | 第40-41页 |
| 3.4.6 关于基因和疾病特征重要性的研究 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于基因节点嵌入的深度协同过滤模型 | 第44-60页 |
| 4.1 嵌入方法在基因组学中的应用 | 第44-48页 |
| 4.2 融合网络嵌入方法的有偏深度协同过滤模型 | 第48-51页 |
| 4.2.1 实验数据准备 | 第48页 |
| 4.2.2 基于有偏网络嵌入的基因相似度学习方法 | 第48-51页 |
| 4.3 实验设置与结果分析 | 第51-55页 |
| 4.3.1 实验参数设置 | 第51-52页 |
| 4.3.2 实验评价指标 | 第52-53页 |
| 4.3.3 结果对比与分析 | 第53-55页 |
| 4.4 案例分析 | 第55-59页 |
| 4.4.1 乳腺癌 | 第56-57页 |
| 4.4.2 肝癌 | 第57-58页 |
| 4.4.3 阿茨海默症 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文工作内容 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-72页 |
| 致谢 | 第72页 |
