复杂网络分析方法在全基因组关联研究中的应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 GWAS发展现状 | 第11-12页 |
| 1.2.2 互信息网络方法研究现状 | 第12-13页 |
| 1.2.3 网络分析方法在GWAS中的研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 章节安排 | 第14-15页 |
| 第二章 数据来源及其处理 | 第15-21页 |
| 2.1 仿真数据的来源 | 第15-16页 |
| 2.2 仿真数据的实现 | 第16-19页 |
| 2.2.1 对照组数据的仿真方法 | 第16-17页 |
| 2.2.2 病例组数据的仿真方法 | 第17-18页 |
| 2.2.3 仿真数据的形成算法 | 第18-19页 |
| 2.2.4 HAPGEN2 软件的使用方法 | 第19页 |
| 2.3 胶质瘤数据来源及产生 | 第19-21页 |
| 第三章 基于互信息的网络基础及建模流程 | 第21-26页 |
| 3.1 逆向网络建模与互信息 | 第21-23页 |
| 3.1.1 逆向网络建模 | 第21-22页 |
| 3.1.2 基因互信息基础 | 第22-23页 |
| 3.2 SNPs相互作用网络的构建及分析 | 第23-25页 |
| 3.2.1 基于SNPs数据的基因互信息计算 | 第23-24页 |
| 3.2.2 基因互信息相关网络 | 第24-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 基于网络统计量的关键基因选取 | 第26-29页 |
| 4.1 复杂网络统计量 | 第26-27页 |
| 4.2 网络结构参数比较方法 | 第27-28页 |
| 4.3 关键基因选取 | 第28页 |
| 4.4 本章小结 | 第28-29页 |
| 第五章 实验结果及分析 | 第29-41页 |
| 5.1 开发环境介绍 | 第29-31页 |
| 5.1.1 R语言介绍 | 第29-31页 |
| 5.1.2 R语言特点 | 第31页 |
| 5.2 基于仿真数据的实验及分析 | 第31-37页 |
| 5.2.1 数据处理 | 第31-32页 |
| 5.2.2 互信息网络建立及统计量分析 | 第32-35页 |
| 5.2.3 获得“结构性关键SNP” | 第35-36页 |
| 5.2.4 参数评估 | 第36-37页 |
| 5.3 基于脑胶质瘤数据的实验及分析 | 第37-40页 |
| 5.3.1 数据处理 | 第37页 |
| 5.3.2 表型相关网络的构建 | 第37-38页 |
| 5.3.3 表型相关网络的比对 | 第38-39页 |
| 5.3.4 脑胶质瘤关键基因的选取方法 | 第39-40页 |
| 5.3.5 结论分析与讨论 | 第40页 |
| 5.4 本章小结 | 第40-41页 |
| 总结和展望 | 第41-42页 |
| 参考文献 | 第42-49页 |
| 攻读硕士学位期间取得的学术成果 | 第49-50页 |
| 致谢 | 第50页 |
