| 摘要 | 第9-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 背景知识 | 第15-29页 |
| §1.1 复杂网络基础 | 第16-17页 |
| §1.2 生物分子网络 | 第17-19页 |
| 1.2.1 生物高通量组学数据 | 第17-18页 |
| 1.2.2 基于组学数据的生物分子网络研究 | 第18-19页 |
| §1.3 复杂疾病的分子网络研究 | 第19-26页 |
| 1.3.1 复杂疾病简介 | 第19-20页 |
| 1.3.2 复杂疾病的分子网络模型 | 第20-26页 |
| §1.4 小结 | 第26-29页 |
| 第二章 基于多阶信息的分子生物网络 | 第29-47页 |
| §2.1 多阶信息网络模型的必要性 | 第29-32页 |
| §2.2 多阶信息网络模型：边网络 | 第32-35页 |
| §2.3 边网络在流感H3N2早期诊断中的应用 | 第35-45页 |
| 2.3.1 数据说明 | 第35-36页 |
| 2.3.2 模型构建与分析 | 第36-40页 |
| 2.3.3 结果评估 | 第40-45页 |
| §2.4 小结 | 第45-47页 |
| 第三章 单样本多阶信息分子网络：差异表达网络 | 第47-67页 |
| §3.1 背景知识 | 第47-50页 |
| §3.2 网络模型创新点 | 第50-56页 |
| 3.2.1 整合多阶差异信息的网络模型(DEVC-net) | 第50-54页 |
| 3.2.2 DEVC-net示例说明 | 第54-55页 |
| 3.2.3 DEVC-net分析流程 | 第55-56页 |
| §3.3 差异表达网络模型测试数据及评价 | 第56-64页 |
| 3.3.1 前列腺癌数据 | 第56-57页 |
| 3.3.2 差异信息的评价 | 第57-58页 |
| 3.3.3 子网络的评价 | 第58-59页 |
| 3.3.4 定量指标的评价 | 第59-62页 |
| 3.3.5 糖尿病数据 | 第62-64页 |
| §3.4 小结 | 第64-67页 |
| 第四章 差异表达网络在疾病分型中的应用 | 第67-89页 |
| §4.1 功能富集分析 | 第68-70页 |
| §4.2 IEA：集成生物通路富集分析 | 第70-79页 |
| 4.2.1 传统功能富集分析(ORA) | 第71页 |
| 4.2.2 IEA算法创新点 | 第71-73页 |
| 4.2.3 IEA辅助分析技术一：通路交互识别 | 第73-74页 |
| 4.2.4 IEA辅助分析技术二：样本分型识别 | 第74-75页 |
| 4.2.5 IEA算法流程 | 第75-76页 |
| 4.2.6 IEA性能评价 | 第76-79页 |
| §4.3 IEA在糖尿病分子分型研究中的应用 | 第79-86页 |
| 4.3.1 传统方法的分析结果 | 第80-81页 |
| 4.3.2 IEA异常调控通路的识别 | 第81-83页 |
| 4.3.3 生物通路网络及模块 | 第83-85页 |
| 4.3.4 疾病分子分型 | 第85-86页 |
| §4.4 小结 | 第86-89页 |
| 第五章 总结与展望 | 第89-93页 |
| §5.1 多阶信息疾病分子网络的模型扩展 | 第89-90页 |
| §5.2 多阶信息疾病分子网络的应用优化 | 第90-91页 |
| §5.3 总结 | 第91-93页 |
| 参考文献 | 第93-101页 |
| 致谢 | 第101-102页 |
| 攻读博士学位期间完成论文情况 | 第102-103页 |
| 附件 | 第103页 |