| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·论文的研究背景和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·转录因子结合位点识别的研究现状 | 第11-13页 |
| ·基于 ChIP-chip 和 ChIP-seq 的转录因子结合位点识别现状 | 第13-16页 |
| ·ChIP-chip 和 ChIP-seq 的融合现状 | 第16-17页 |
| ·论文的研究内容及组织安排 | 第17-19页 |
| ·主要工作内容 | 第17页 |
| ·组织结构 | 第17-19页 |
| 第2章 Chip 技术及其与基因芯片和高通量测序技术的结合 | 第19-26页 |
| ·引言 | 第19页 |
| ·交联免疫沉淀技术 | 第19-21页 |
| ·ChIP-chip | 第21-22页 |
| ·ChIP-seq | 第22-24页 |
| ·ChIP-chip 和 ChIP-seq 的比较 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 条件随机场 | 第26-50页 |
| ·引言 | 第26页 |
| ·机器学习方法的两种分类 | 第26-28页 |
| ·条件随机场的理论基础 | 第28-37页 |
| ·概率图模型 | 第28-29页 |
| ·朴素贝叶斯分类器 | 第29-30页 |
| ·隐马尔科夫模型 | 第30-34页 |
| ·最大熵模型 | 第34-36页 |
| ·最大熵马尔科夫 | 第36-37页 |
| ·条件随机场 | 第37页 |
| ·条件随机场的实现 | 第37-49页 |
| ·条件随机场定义 | 第37-38页 |
| ·条件随机场的三种表示形式 | 第38-41页 |
| ·条件随机场的概率计算问题 | 第41-42页 |
| ·条件随机场的学习算法 | 第42-47页 |
| ·条件随机场预测的维特比算法 | 第47页 |
| ·条件随机场与其它模型的比较 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于基因芯片和 DNA 测序的转录因子结合位点的预测 | 第50-64页 |
| ·引言 | 第50页 |
| ·算法流程 | 第50-53页 |
| ·数据预处理 | 第53-58页 |
| ·ChIP-chip 数据预处理 | 第53-55页 |
| ·ChIP-seq 数据预处理 | 第55-56页 |
| ·ChIP-chip 数据和 ChIP-seq 数据的分析 | 第56-58页 |
| ·基于条件随机场的转录因子结合位点的预测 | 第58-62页 |
| ·基于 CRF 对于两种数据的处理 | 第58页 |
| ·基于 CRF 对于 ChIP-chip 和 ChIP-seq 数据的转录因子结合位点预测 | 第58-61页 |
| ·融合实验及结果 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
