| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 复杂疾病临界现象 | 第9-11页 |
| 1.2 寻找生物标志物的算法 | 第11-20页 |
| 1.2.1 分子标志物 | 第11-13页 |
| 1.2.2 网络标志物 | 第13-15页 |
| 1.2.3 动态网络标志物 | 第15-20页 |
| 1.3 本论文的主要工作介绍 | 第20-21页 |
| 第二章 预备知识 | 第21-30页 |
| 2.1 动态网络标志物理论 | 第21-25页 |
| 2.2 隐马尔科夫模型 | 第25-27页 |
| 2.3 信息熵 | 第27-28页 |
| 2.4 基于单样本的DNB指标 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于生物分子表达的HMM算法 | 第30-42页 |
| 3.1 不一致性指标(Inconsistencyindex,I-index) | 第30-34页 |
| 3.2 具体算法 | 第34-38页 |
| 3.3 实际应用 | 第38-40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于生物分子调控网络的HMM算法 | 第42-61页 |
| 4.1 具体算法 | 第43-46页 |
| 4.2 数值模型 | 第46-50页 |
| 4.3 实际应用 | 第50-57页 |
| 4.4 本章小结 | 第57-61页 |
| 第五章 基于矩展开的临界点探测算法 | 第61-81页 |
| 5.1 大噪声对探测临界点的影响 | 第61-62页 |
| 5.2 矩展开的降噪算法 | 第62-70页 |
| 5.3 数值模拟 | 第70-74页 |
| 5.4 实际应用 | 第74-78页 |
| 5.5 本章小结 | 第78-81页 |
| 第六章 基于网络熵的临界点探测算法 | 第81-97页 |
| 6.1 基于单样本的局部网络熵 | 第81-84页 |
| 6.2 数值模拟 | 第84-87页 |
| 6.3 实际应用 | 第87-96页 |
| 6.3.1 肺癌(LUAD)的临界点探测 | 第87-92页 |
| 6.3.2 病毒性流感的临界点探测 | 第92-96页 |
| 6.4 本章小结 | 第96-97页 |
| 总结与展望 | 第97-98页 |
| 参考文献 | 第98-109页 |
| 攻读博士学位期间取得的研究成果 | 第109-111页 |
| 致谢 | 第111-112页 |
| 附件 | 第112页 |