| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 癌症标志物识别的背景、现状及意义 | 第10-13页 |
| 1.1.1 癌症标志物识别的意义 | 第10-11页 |
| 1.1.2 常见的癌症标志物简介及研究现状 | 第11-12页 |
| 1.1.3 分泌入血液及尿液的标志物检测的意义 | 第12-13页 |
| 1.2 本文的主要工作 | 第13-14页 |
| 1.3 本文的结构 | 第14-15页 |
| 第2章 研究背景和意义 | 第15-26页 |
| 2.1 基于胰腺癌的相关研究的背景与现状 | 第15-17页 |
| 2.1.1 胰腺癌简介以及研究现状 | 第15-16页 |
| 2.1.2 基于生物信息学的研究现状 | 第16页 |
| 2.1.3 实验结果分析的意义 | 第16-17页 |
| 2.2 生物数据概述 | 第17-19页 |
| 2.2.1 生物信息学数据分类介绍 | 第17-18页 |
| 2.2.2 常用数据库介绍 | 第18-19页 |
| 2.3 基于基因表达数据的癌症标志物数据挖掘方法简介 | 第19-25页 |
| 2.3.1 特征选择概述 | 第19-23页 |
| 2.3.2 后续建模 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 胰腺癌的基因标志物和蛋白标志物的识别 | 第26-42页 |
| 3.1 实验数据描述 | 第26-27页 |
| 3.1.1 GEO数据库介绍 | 第26-27页 |
| 3.1.2 实验数据说明 | 第27页 |
| 3.2 方法理论背景 | 第27-37页 |
| 3.2.1 t-test、Fold-change和K折交叉验证 | 第27-28页 |
| 3.2.2 SVM和LDM | 第28-34页 |
| 3.2.3 递归特征消除 | 第34-36页 |
| 3.2.4 BP神经网络 | 第36-37页 |
| 3.3 方法设计 | 第37-40页 |
| 3.3.1 整体方法流程 | 第37页 |
| 3.3.2 实验设计 | 第37-40页 |
| 3.4 评估 | 第40-41页 |
| 3.4.1 算法评估 | 第40-41页 |
| 3.4.2 基因列表评估 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 研究结果及结果分析讨论 | 第42-60页 |
| 4.1 实验 | 第42-46页 |
| 4.1.1 实验说明 | 第42-43页 |
| 4.1.2 实验结果 | 第43-46页 |
| 4.2 结果分析 | 第46-60页 |
| 4.2.1 分析工具介绍 | 第46-47页 |
| 4.2.2 分析结果 | 第47-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 作者简介及在学期间取得的科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71-73页 |