基于RNA-seq数据的差异表达分析与外显子跳跃事件识别
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-19页 |
| 1.1 转录组学背景介绍 | 第7-10页 |
| 1.1.1 转录组及转录组学介绍 | 第7-8页 |
| 1.1.2 转录组学的研究内容 | 第8-9页 |
| 1.1.3 转录组学的优势 | 第9-10页 |
| 1.2 测序技术介绍 | 第10-12页 |
| 1.2.1 测序技术的发展 | 第10-11页 |
| 1.2.2 RNA-Seq技术 | 第11-12页 |
| 1.3 研究现状 | 第12-16页 |
| 1.3.1 RNA-seq数据分析流程研究现状 | 第12-13页 |
| 1.3.2 数据分析工具研究现状 | 第13-15页 |
| 1.3.3 外显子跳跃事件研究现状 | 第15-16页 |
| 1.4 研究内容与论文结构安排 | 第16-19页 |
| 1.4.1 研究内容与意义 | 第16-17页 |
| 1.4.2 论文结构安排 | 第17-19页 |
| 2 测序数据来源及预处理 | 第19-34页 |
| 2.1 数据来源及格式介绍 | 第19-21页 |
| 2.2 质量控制 | 第21-26页 |
| 2.2.1 质量评估 | 第22-25页 |
| 2.2.2 数据过滤 | 第25-26页 |
| 2.3 序列比对 | 第26-30页 |
| 2.3.1 参考序列的选择 | 第26-27页 |
| 2.3.2 比对工具的选择 | 第27-28页 |
| 2.3.3 有参比对 | 第28-30页 |
| 2.4 结果统计 | 第30-33页 |
| 2.4.1 质控结果统计 | 第30-32页 |
| 2.4.2 比对结果统计 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 差异表达分析 | 第34-47页 |
| 3.1 表达定量 | 第34-37页 |
| 3.1.1 表达定量方式选择 | 第34页 |
| 3.1.2 表达量标准化方法选择 | 第34-35页 |
| 3.1.3 使用RSEM进行表达定量 | 第35-36页 |
| 3.1.4 表达矩阵的构建 | 第36-37页 |
| 3.2 差异表达基因的筛选 | 第37-39页 |
| 3.3 基因功能富集分析 | 第39-42页 |
| 3.3.1 GO富集分析 | 第40-41页 |
| 3.3.2 KEGG富集分析 | 第41-42页 |
| 3.4 结果统计 | 第42-46页 |
| 3.4.1 差异表达分析结果统计 | 第42-44页 |
| 3.4.2 GO富集分析结果统计 | 第44-45页 |
| 3.4.3 KEGG富集分析结果统计 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 基于集成学习的外显子跳跃事件识别 | 第47-62页 |
| 4.1 外显子跳跃事件介绍 | 第47-48页 |
| 4.2 基于PSI方法的外显子跳跃事件识别 | 第48-49页 |
| 4.3 神经网络 | 第49-55页 |
| 4.3.1 神经元模型 | 第49页 |
| 4.3.2 激活函数 | 第49-52页 |
| 4.3.3 多层前馈神经网络 | 第52页 |
| 4.3.4 误差反向传播算法 | 第52-54页 |
| 4.3.5 优化方法 | 第54-55页 |
| 4.4 Adaboost.R2回归算法 | 第55-58页 |
| 4.5 基于集成学习的外显子跳跃事件识别方法 | 第58-59页 |
| 4.6 结果分析 | 第59-61页 |
| 4.7 本章小结 | 第61-62页 |
| 结论与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
