微RNA与疾病关联关系的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 生物背景 | 第9-13页 |
| 1.2.1 中心法则 | 第10页 |
| 1.2.2 蛋白质 | 第10-11页 |
| 1.2.3 微RNA | 第11-12页 |
| 1.2.4 微RNA与疾病的关系 | 第12-13页 |
| 1.3 研究现状 | 第13-14页 |
| 1.4 论文的组织 | 第14-16页 |
| 2 相关基础理论与技术 | 第16-27页 |
| 2.1 网络基本概念 | 第16-17页 |
| 2.2 随机游走原理 | 第17-23页 |
| 2.2.1 随机游走简介 | 第17-18页 |
| 2.2.2 马尔科夫性质 | 第18-19页 |
| 2.2.3 随机游走算法 | 第19-20页 |
| 2.2.4 传统Pagerank算法 | 第20-23页 |
| 2.3 算法的应用 | 第23-25页 |
| 2.3.1 致病基因预测 | 第23页 |
| 2.3.2 微博用户网络应用 | 第23-25页 |
| 2.4 相关生物网络 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 基于加权转移概率矩阵的随机游走算法 | 第27-40页 |
| 3.1 微RNA-疾病网络的构建 | 第27-31页 |
| 3.1.1 数据处理 | 第27页 |
| 3.1.2 网络的生成 | 第27-29页 |
| 3.1.3 构建基于Mesh概念的疾病相似性矩阵 | 第29-31页 |
| 3.2 基于有权概率转移矩阵的随机游走算法 | 第31-37页 |
| 3.2.1 基于节点重要性的疾病重要性矩阵 | 第32-34页 |
| 3.2.2 带参疾病相似性转移矩阵 | 第34-36页 |
| 3.2.3 算法设计 | 第36-37页 |
| 3.3 微RNA与疾病对应关系预测的算法流程 | 第37-39页 |
| 3.3.1 算法流程图 | 第37-39页 |
| 3.3.2 时间复杂度分析 | 第39页 |
| 3.3.3 空间复杂度分析 | 第39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 仿真数据实验结果与分析 | 第40-49页 |
| 4.1 数据分析所用到的性能评价指标与方法 | 第40-43页 |
| 4.1.1 性能评价指标 | 第40-42页 |
| 4.1.2 性能评价方法 | 第42页 |
| 4.1.3 实验数据准备 | 第42-43页 |
| 4.2 参数估计 | 第43-44页 |
| 4.3 算法比较 | 第44-46页 |
| 4.3.1 算法准确率 | 第44-45页 |
| 4.3.2 算法效率 | 第45-46页 |
| 4.4 结果分析 | 第46-49页 |
| 4.4.1 算法验证 | 第46-48页 |
| 4.4.2 实例分析 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49页 |
| 5.2 今后的工作展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间主要的研究成果 | 第55-56页 |
| 致谢 | 第56页 |
