SELDI血清蛋白质谱肿瘤标志物挖掘方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究的背景、目的和意义 | 第10-11页 |
| ·研究的主要内容以及创新 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 第2章 相关技术介绍 | 第13-24页 |
| ·蛋白质组学简介 | 第13-15页 |
| ·蛋白质组学的主要技术 | 第14-15页 |
| ·蛋白质组学在肿瘤研究中的应用 | 第15页 |
| ·SELDI-TOF-MS技术简介 | 第15-17页 |
| ·SELDI-TOF-MS系统结构 | 第15-17页 |
| ·SELDI-TOF-MS的优势与缺陷 | 第17页 |
| ·数据挖掘技术 | 第17-23页 |
| ·遗传算法简介 | 第18-19页 |
| ·支持向量机 | 第19-21页 |
| ·神经网络 | 第21-22页 |
| ·K近邻法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 数据预处理 | 第24-45页 |
| ·原始数据提取 | 第24-26页 |
| ·噪声去除 | 第26-34页 |
| ·基线校正 | 第34-36页 |
| ·分子量校正 | 第36-40页 |
| ·内标法分子量校正 | 第37-38页 |
| ·分子量动态校正法 | 第38-40页 |
| ·蛋白峰选取 | 第40-43页 |
| ·有效蛋白峰的选取 | 第40-41页 |
| ·蛋白峰聚簇 | 第41-43页 |
| ·丰度均一化 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 肿瘤标志物提取 | 第45-69页 |
| ·肿瘤标志物特征向量过滤 | 第45-48页 |
| ·肿瘤标志物挖掘模型 | 第48-50页 |
| ·模型概述 | 第48页 |
| ·模型建立步骤 | 第48-50页 |
| ·遗传算法的运用 | 第50-58页 |
| ·基本遗传算法的应用 | 第51-53页 |
| ·遗传算法参数的优化 | 第53-58页 |
| ·具体分类器的实现 | 第58-66页 |
| ·支持向量机的实现 | 第58-60页 |
| ·BP神经网络的实现 | 第60-63页 |
| ·K近邻法的实现 | 第63-66页 |
| ·遗传算法结合三种具体分类器的性能比较 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 应用实例 | 第69-76页 |
| ·实验样本与实验仪器 | 第69页 |
| ·数据预处理过程 | 第69-71页 |
| ·模型建立过程 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 工作总结与展望 | 第76-79页 |
| ·工作总结 | 第76-77页 |
| ·未来工作展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 攻读硕士学位期间主要的研究成果 | 第82-83页 |
| 致谢 | 第83页 |
