首页--医药、卫生论文--神经病学与精神病学论文--神经病学论文

人类脑疾病特异性表达网络功能模块识别与进化分析

摘要第4-5页
Abstract第5页
第1章 绪论第9-14页
    1.1 研究背景与意义第9-10页
    1.2 国内外研究现状第10-12页
    1.3 本文的主要工作第12-13页
    1.4 本文的章节安排第13-14页
第2章 关键技术综述第14-22页
    2.1 基因技术第14-15页
        2.1.1 基因表达及调控原理第14页
        2.1.2 基因芯片技术第14页
        2.1.3 微阵列技术第14-15页
    2.2 相关数据库第15-19页
        2.2.1 基因芯片数据库简介第15-17页
            2.2.1.1 GEO数据库第15-17页
            2.2.1.2 ArrayExpress数据库第17页
            2.2.1.3 Stanford MicroArray Database数据库第17页
            2.2.1.4 Genevestigator数据库第17页
        2.2.2 其他相关数据库第17-19页
            2.2.2.1 Allen数据库第17-18页
            2.2.2.2 GENECARDS数据库第18页
            2.2.2.3 STRING数据库第18页
            2.2.2.4 DAVID数据库第18-19页
            2.2.2.5 KEGG数据库第19页
    2.3 课题中用到的软件第19-21页
        2.3.1 Cytoscape第19-20页
        2.3.2 Omics Bean第20-21页
    2.4 本章小结第21-22页
第3章 基因表达数据统计分析第22-29页
    3.1 实验数据第22-24页
        3.1.1 数据来源第22页
        3.1.2 数据的处理流程第22-24页
    3.2 特异性基因和蛋白发现方法概述第24-25页
        3.2.1 特异性基因获得方法第24-25页
        3.2.2 特异性蛋白获得方法第25页
    3.3 特异性基因和蛋白网络构建方法概述第25-27页
        3.3.1 特异性基因网络的构建第26页
        3.3.2 PPI网络构建第26-27页
    3.4 网络可靠性分析第27-28页
    3.5 本章小结第28-29页
第4章 网络聚类和密集子图挖掘算法第29-46页
    4.1 聚类和密集子图挖掘的目的第29页
    4.2 聚类方法第29-31页
    4.3 常用聚类及密集子图挖掘算法分析第31-32页
        4.3.1 MOCDE算法第31页
        4.3.2 FAG-EC算法第31-32页
        4.3.3 HC-PIN算法第32页
        4.3.4 OH-PIN算法第32页
        4.3.5 IPCA算法第32页
        4.3.6 EAGLE算法第32页
    4.4 实验聚类结果分析与评估第32-36页
        4.4.1 聚类结果可视化展示第32-33页
        4.4.2 聚类结果第33-36页
    4.5 整体分析网络的生物学意义第36-42页
    4.6 整体分析网络的拓扑结构第42-45页
        4.6.1 基因拓扑结构特点分析第42-44页
        4.6.2 蛋白拓扑结构特点分第44-45页
    4.7 本章小结第45-46页
第5章 功能及保守模块挖掘第46-61页
    5.1 功能模块挖掘第46页
    5.2 保守模块挖掘第46-47页
    5.3 保守模块挖掘算法分析第47-60页
        5.3.1 拓扑结构保守性分析第47-51页
        5.3.2 功能保守性分析第51-52页
        5.3.3 基于结构和功能保守性打分算法分析第52-55页
        5.3.4 保守和变异模块的进化比对第55-60页
    5.4 本章小结第60-61页
第6章 总结与展望第61-62页
    6.1 论文总结第61页
    6.2 工作展望第61-62页
参考文献第62-75页
发表论文和参加科研情况说明第75-76页
致谢第76-77页

论文共77页,点击 下载论文
上一篇:冷变形Ti6Al4V合金低温渗氮及时效组织演变研究
下一篇:低渗透油藏直井产能预测方法研究