基于多数据融合的癌症预后及药物响应预测研究
| 论文创新点 | 第5-10页 |
| 摘要 | 第10-12页 |
| Abstract | 第12-14页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 引言 | 第15-16页 |
| 1.2 癌症预后问题研究概述 | 第16-18页 |
| 1.2.1 肿瘤分期和分级 | 第16-17页 |
| 1.2.2 生物信息学的方法 | 第17-18页 |
| 1.3 药物响应预测研究概述 | 第18页 |
| 1.4 基于多数据融合的系统生物学 | 第18-24页 |
| 1.4.1 生物网络简介 | 第18-21页 |
| 1.4.2 生物网络构建方法概述 | 第21页 |
| 1.4.3 生物数据的融合方法概述 | 第21-22页 |
| 1.4.4 生物网络分析方法概述 | 第22-24页 |
| 1.5 论文工作和组织结构 | 第24-27页 |
| 1.5.1 论文工作 | 第24-25页 |
| 1.5.2 组织结构 | 第25-27页 |
| 第二章 微阵列数据的分析与评估方法 | 第27-37页 |
| 2.1 微阵列数据简介 | 第27页 |
| 2.2 数据来源与预处理 | 第27-29页 |
| 2.3 特征选择 | 第29-32页 |
| 2.3.1 fold-change | 第29页 |
| 2.3.2 t-检验 | 第29页 |
| 2.3.3 卡方检验 | 第29-30页 |
| 2.3.4 基于互信息的方法 | 第30-31页 |
| 2.3.5 Cox回归 | 第31-32页 |
| 2.4 功能注释 | 第32页 |
| 2.5 分类算法 | 第32-34页 |
| 2.5.1 支持向量机 | 第33页 |
| 2.5.2 Centroid分类器 | 第33-34页 |
| 2.6 性能验证方法 | 第34-35页 |
| 2.6.1 K倍交叉验证 | 第34页 |
| 2.6.2 留一法交叉验证 | 第34-35页 |
| 2.6.3 独立测试 | 第35页 |
| 2.7 性能评价指标 | 第35-37页 |
| 第三章 基于基因依赖网络的乳腺癌预后研究 | 第37-55页 |
| 3.1 背景知识 | 第37-38页 |
| 3.1.1 基因依赖现象 | 第37页 |
| 3.1.2 研究动机及思路 | 第37-38页 |
| 3.2 基因依赖网络的构建方法 | 第38-41页 |
| 3.2.1 数据来源及预处理 | 第38-39页 |
| 3.2.2 基因依赖值计算 | 第39页 |
| 3.2.3 统计显著性计算 | 第39-40页 |
| 3.2.4 网络构建 | 第40-41页 |
| 3.3 网络分析 | 第41-46页 |
| 3.3.1 网络整体拓扑分析 | 第41-42页 |
| 3.3.2 中枢节点选择 | 第42页 |
| 3.3.3 功能分析 | 第42-46页 |
| 3.4 基因特征选择 | 第46-48页 |
| 3.4.1 候选基因选择 | 第46页 |
| 3.4.2 43特征基因集 | 第46-48页 |
| 3.5 生存分析 | 第48-50页 |
| 3.5.1 数据来源 | 第48页 |
| 3.5.2 生存分析模型 | 第48-49页 |
| 3.5.3 生存分析结果 | 第49-50页 |
| 3.6 性能评价 | 第50-54页 |
| 3.6.1 Dscore的定义 | 第51页 |
| 3.6.2 与对照特征集的性能比较 | 第51-53页 |
| 3.6.3 与随机特征集的性能比较 | 第53-54页 |
| 3.7 小结 | 第54-55页 |
| 第四章 基于ceRNA网络的乳腺癌预后研究 | 第55-70页 |
| 4.1 背景知识 | 第55-56页 |
| 4.1.1 ceRNA现象 | 第55页 |
| 4.1.2 研究动机及思路 | 第55-56页 |
| 4.2 ceRNA网络的构建方法 | 第56-59页 |
| 4.2.1 数据来源 | 第56页 |
| 4.2.2 网络构建 | 第56-59页 |
| 4.3 网络分析 | 第59-62页 |
| 4.3.1 网络整体拓扑分析 | 第59-60页 |
| 4.3.2 中枢节点选择 | 第60页 |
| 4.3.3 社区挖掘 | 第60-62页 |
| 4.4 15特征基因集 | 第62-63页 |
| 4.5 生存分析 | 第63-64页 |
| 4.6 性能评价 | 第64-66页 |
| 4.6.1 与对照特征集的性能比较 | 第64-66页 |
| 4.6.2 与随机特征集的性能比较 | 第66页 |
| 4.7 方法鲁棒性评价 | 第66-68页 |
| 4.8 15特征基因集与43特征基因集比较 | 第68-69页 |
| 4.9 小结 | 第69-70页 |
| 第五章 基于miRNA活性网络的乳腺癌预后预测 | 第70-89页 |
| 5.1 背景知识 | 第70页 |
| 5.2 研究动机及思路 | 第70-71页 |
| 5.3 miRNA活性的推导模型 | 第71-73页 |
| 5.3.1 数据来源 | 第71页 |
| 5.3.2 推导模型 | 第71-73页 |
| 5.4 模型正确性分析 | 第73-75页 |
| 5.4.1 数据来源 | 第74页 |
| 5.4.2 评估方法 | 第74页 |
| 5.4.3 评估结果 | 第74-75页 |
| 5.5 预测模型 | 第75-80页 |
| 5.5.1 数据来源 | 第76页 |
| 5.5.2 集成分类器构建 | 第76页 |
| 5.5.3 验证与评价方法 | 第76-77页 |
| 5.5.4 预测结果 | 第77-80页 |
| 5.6 性能评价 | 第80-86页 |
| 5.6.1 选择的模块集合的特异性 | 第80-81页 |
| 5.6.2 选择的模块集合的稳定性 | 第81-82页 |
| 5.6.3 不同特征空间的分类器性能比较 | 第82-83页 |
| 5.6.4 与著名癌症预后分类器的比较 | 第83-86页 |
| 5.7 生物意义分析 | 第86-88页 |
| 5.8 小结 | 第88-89页 |
| 第六章 基于两状态可控理论的药物响应预测 | 第89-104页 |
| 6.1 背景知识 | 第89页 |
| 6.2 研究思路 | 第89-90页 |
| 6.3 可控制理论 | 第90-91页 |
| 6.4 两状态可控理论 | 第91-94页 |
| 6.5 两状态近似可控理论 | 第94-95页 |
| 6.6 实验仿真与验证 | 第95-100页 |
| 6.6.1 实验仿真 | 第95-98页 |
| 6.6.2 实验验证 | 第98-100页 |
| 6.7 药物响应预测 | 第100-103页 |
| 6.7.1 数据来源 | 第101页 |
| 6.7.2 评估方法 | 第101页 |
| 6.7.3 评估结果 | 第101-103页 |
| 6.8 小结 | 第103-104页 |
| 第七章 总结与展望 | 第104-107页 |
| 7.1 工作总结 | 第104-105页 |
| 7.2 工作展望 | 第105-107页 |
| 参考文献 | 第107-116页 |
| 博士期间发表的论文 | 第116-117页 |
| 致谢 | 第117-118页 |
| 报送博士学位简况表 | 第118-119页 |
