基于组学及临床数据的疾病lncRNA挖掘方法研究
摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第1章 绪论 | 第8-16页 |
1.1 课题背景及研究的目的和意义 | 第8-11页 |
1.1.1 课题背景 | 第8-10页 |
1.1.2 研究的目的和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 国内研究现状 | 第11-12页 |
1.2.2 国外研究现状 | 第12页 |
1.2.3 国内外研究简析 | 第12-13页 |
1.3 本文主要研究工作 | 第13-14页 |
1.4 本文组织结构 | 第14-16页 |
第2章 相关生物学数据介绍 | 第16-25页 |
2.1 引言 | 第16-17页 |
2.2 TCGA简介 | 第17-18页 |
2.3 LNCRNA相关数据 | 第18-21页 |
2.4 癌症预后相关数据 | 第21-23页 |
2.5 本章小结 | 第23-25页 |
第3章 疾病预后相关的LNCRNA挖掘 | 第25-37页 |
3.1 引言 | 第25-26页 |
3.2 算法总体结构 | 第26-27页 |
3.3 数据整合 | 第27-28页 |
3.4 常用变量选择方法 | 第28-30页 |
3.4.1 基于信息论的准则 | 第28-29页 |
3.4.2 基于Bayes方法的准则 | 第29页 |
3.4.3 基于预测误差的准则 | 第29-30页 |
3.4.4 基于系数压缩的准则 | 第30页 |
3.5 LASSO与最小二乘法 | 第30-33页 |
3.5.1 LASSO | 第30-32页 |
3.5.2 最小二乘法 | 第32-33页 |
3.6 生存分析与训练测试 | 第33-34页 |
3.6.1 生存分析 | 第33-34页 |
3.6.2 训练测试 | 第34页 |
3.7 LNCRNA功能分析 | 第34-35页 |
3.8 本章小结 | 第35-37页 |
第4章 肺癌预后相关的LNCRNA预测 | 第37-52页 |
4.1 引言 | 第37-38页 |
4.2 肺癌相关数据 | 第38-43页 |
4.2.1 肺癌lnc RNA表达数据 | 第38-40页 |
4.2.2 肺癌病人预后数据 | 第40-42页 |
4.2.3 肺癌数据整合 | 第42-43页 |
4.3 肺癌训练集与测试集 | 第43-46页 |
4.3.1 训练集与测试集划分 | 第43-44页 |
4.3.2 训练集与测试集检验 | 第44-46页 |
4.4 肺癌预后相关的LNCRNA挖掘 | 第46-47页 |
4.4.1 lnc RNA选取与权重计算 | 第46页 |
4.4.2 生存分析 | 第46-47页 |
4.5 肺癌LNCRNA功能分析 | 第47-51页 |
4.5.1 m RNA的选取 | 第47-48页 |
4.5.2 GO和Pathway富集 | 第48-51页 |
4.6 本章小结 | 第51-52页 |
结论 | 第52-53页 |
参考文献 | 第53-56页 |
攻读硕士学位期间发表的论文 | 第56-58页 |
致谢 | 第58页 |