| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 英文缩略语 | 第9-11页 |
| 目录 | 第11-16页 |
| 第一章 绪论 | 第16-43页 |
| 1.1 引言 | 第16-17页 |
| 1.2 基因芯片技术的发展 | 第17-28页 |
| 1.2.1 基因芯片类型 | 第18-20页 |
| 1.2.1.1 根据芯片载体分类 | 第18-19页 |
| 1.2.1.2 根据芯片制备方法分类 | 第19页 |
| 1.2.1.3 根据探针类型分类 | 第19-20页 |
| 1.2.2 基因芯片的技术流程 | 第20-21页 |
| 1.2.2.1 芯片的设计 | 第20-21页 |
| 1.2.2.2 样本的制备 | 第21页 |
| 1.2.2.3 杂交反应 | 第21页 |
| 1.2.2.4 信号检测与结果处理 | 第21页 |
| 1.2.3 基因芯片的应用 | 第21-26页 |
| 1.2.3.1 基因表达分析 | 第22页 |
| 1.2.3.2 基因芯片与 miRNA 研究 | 第22-24页 |
| 1.2.3.3 DNA 测序 | 第24-25页 |
| 1.2.3.4 基因芯片与药学研究 | 第25页 |
| 1.2.3.5 基因诊断 | 第25-26页 |
| 1.2.4 人基因组芯片的研究进展 | 第26-28页 |
| 1.3 基因芯片数据库发展 | 第28-33页 |
| 1.3.1 数据库架构 | 第32页 |
| 1.3.2 数据标准 | 第32-33页 |
| 1.3.3 数据的检索和分析 | 第33页 |
| 1.4 基因芯片数据分析方法 | 第33-40页 |
| 1.4.1 差异表达分析 | 第34-36页 |
| 1.4.1.1 倍数分析 | 第34-35页 |
| 1.4.1.2 t 检验分析 | 第35页 |
| 1.4.1.3 方差分析 | 第35页 |
| 1.4.1.4 差异基因的功能分析 | 第35-36页 |
| 1.4.2 聚类分析 | 第36-38页 |
| 1.4.2.1 层次聚类 | 第36-37页 |
| 1.4.2.2 K 均值聚类 | 第37页 |
| 1.4.2.3 自组织映射 | 第37页 |
| 1.4.2.4 模糊聚类 | 第37-38页 |
| 1.4.2.5 图聚类 | 第38页 |
| 1.4.3 判别分析 | 第38-40页 |
| 1.4.3.1 支持向量机 | 第38-39页 |
| 1.4.3.2 费舍尔判别分析 | 第39页 |
| 1.4.3.3 决策树算法 | 第39页 |
| 1.4.3.4 人工神经网络算法 | 第39页 |
| 1.4.3.5 基因调控网络分析 | 第39-40页 |
| 1.5 本论文的研究意义及主要工作 | 第40-43页 |
| 1.5.1 论文的研究意义 | 第40-41页 |
| 1.5.2 主要工作 | 第41-43页 |
| 第二章 本地人基因组芯片数据库的构建与数据分析中内参基因的选择 | 第43-58页 |
| 2.1 引言 | 第43-44页 |
| 2.2 材料与方法 | 第44-53页 |
| 2.2.1 试验集数据 | 第44-47页 |
| 2.2.2 芯片平台数据 | 第47-49页 |
| 2.2.3 原始数据预处理 | 第49-50页 |
| 2.2.4 本地数据库的建立 | 第50-51页 |
| 2.2.5 数据库的更新 | 第51页 |
| 2.2.6 基因表达稳定性值计算方法 | 第51-52页 |
| 2.2.7 比较分析 | 第52-53页 |
| 2.3 结果与分析 | 第53-57页 |
| 2.3.1 原始数据的对数处理 | 第53-54页 |
| 2.3.2 数据库查询效率 | 第54页 |
| 2.3.3 人管家基因在本地数据库样本中的表达稳定性 | 第54-55页 |
| 2.3.4 管家基因在小鼠模型中的表达稳定性 | 第55-57页 |
| 2.4 本章小结 | 第57-58页 |
| 第三章 人基因组芯片数据在黄曲霉毒素 B1 致癌相关基因分析中的应用 | 第58-69页 |
| 3.1 引言 | 第58页 |
| 3.2 材料与方法 | 第58-60页 |
| 3.2.1 材料和数据 | 第58-59页 |
| 3.2.2 归一化处理 | 第59-60页 |
| 3.2.3 聚类分析 | 第60页 |
| 3.2.4 差异基因的生物信息学分析 | 第60页 |
| 3.3 结果与分析 | 第60-66页 |
| 3.3.1 归一化结果比较 | 第60-61页 |
| 3.3.2 聚类分析结果 | 第61-62页 |
| 3.3.3 差异基因的 GO 分析 | 第62-63页 |
| 3.3.4 差异基因编码蛋白的相互作用分析 | 第63-64页 |
| 3.3.5 差异基因相关的通路分析 | 第64-65页 |
| 3.3.6 差异基因相互调节关系网络 | 第65-66页 |
| 3.4 讨论 | 第66-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第四章 用于人基因组芯片数据分析的图聚类方法研究 | 第69-80页 |
| 4.1 引言 | 第69-70页 |
| 4.2 材料与方法 | 第70-75页 |
| 4.2.1 芯片数据与预处理 | 第70页 |
| 4.2.2 图聚类 | 第70-74页 |
| 4.2.2.1 相关系数计算 | 第71-72页 |
| 4.2.2.2 模块性的定义 | 第72-73页 |
| 4.2.2.3 基于平滑度的最优模块性值计算 ( Module Smoothness ) | 第73-74页 |
| 4.2.3 对比分析 | 第74-75页 |
| 4.3 结果与分析 | 第75-78页 |
| 4.3.1 聚类性能分析 | 第75页 |
| 4.3.2 聚类结果 | 第75-78页 |
| 4.3.3 算法执行效率 | 第78页 |
| 4.4 本章小结 | 第78-80页 |
| 第五章 人基因组芯片数据在 miRNA 靶标预测方法研究中的应用 | 第80-99页 |
| 5.1 引言 | 第80-83页 |
| 5.2 数据与方法 | 第83-91页 |
| 5.2.1 数据集选取 | 第83-84页 |
| 5.2.2 靶位点的定义和搜索 | 第84-85页 |
| 5.2.3 向量提取与算法流程 | 第85-89页 |
| 5.2.3.1 基因芯片试验数据库特征的定义 | 第86-87页 |
| 5.2.3.2 向量提取 | 第87-88页 |
| 5.2.3.3 算法流程 | 第88-89页 |
| 5.2.4 模型训练与参数优化 | 第89-90页 |
| 5.2.5 在线 miRNA 靶标预测应用的构建 | 第90-91页 |
| 5.3 结果与分析 | 第91-97页 |
| 5.3.1 ROC 曲线法对模型评估 | 第91-92页 |
| 5.3.2 分类器性能比较 | 第92-95页 |
| 5.3.3 在线 miRNA 靶标预测应用说明 | 第95-97页 |
| 5.4 本章小结 | 第97-99页 |
| 结论与展望 | 第99-102页 |
| 1．结论 | 第99-100页 |
| 2．论文创新点 | 第100-101页 |
| 3．展望 | 第101-102页 |
| 参考文献 | 第102-115页 |
| 附录 | 第115-120页 |
| 攻读博士学位期间取得的研究成果 | 第120-121页 |
| 致谢 | 第121-122页 |
| 附件 | 第122页 |
