| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 前言 | 第10-26页 |
| ·干细胞系统生物学:从分子到网络 | 第10-14页 |
| ·干细胞核心转录模块 | 第10-11页 |
| ·干细胞调控网络 | 第11-13页 |
| ·分子网络为整合不同类型的数据提供概念框架 | 第13-14页 |
| ·网络动态性:状态空间和吸引子 | 第14-20页 |
| ·状态空间 | 第15-17页 |
| ·吸引子 | 第17-20页 |
| ·本文的研究策略 | 第20-24页 |
| ·基于基因表达谱的状态空间分析 | 第20-21页 |
| ·生物信息学与系统生物学相结合的分析策略 | 第21-24页 |
| ·本研究的主要内容及组织 | 第24-26页 |
| 第二章 自组织映射及其在细胞重编程分析中的应用 | 第26-48页 |
| ·自组织映射及其互为补充的分析 | 第26-35页 |
| ·自组织映射人工神经网络 | 第26-32页 |
| ·与自组织映射互为补充的分析 | 第32-35页 |
| ·干细胞和体细胞的重编程 | 第35-37页 |
| ·应用自组织映射研究重编程过程中细胞状态的变化 | 第37-47页 |
| ·引言 | 第37-38页 |
| ·数据与方法 | 第38-39页 |
| ·结果与讨论 | 第39-47页 |
| 本章小结 | 第47-48页 |
| 第三章 复杂网络及其在干细胞调控网络分析中的应用 | 第48-72页 |
| ·复杂网络及其中心度参数 | 第48-55页 |
| ·复杂网络和生物蛋白质作用网络 | 第48-51页 |
| ·网络中心度参数及其生物学意义 | 第51-55页 |
| ·基于网络拓扑结构和基因表达谱的共表达互连子网的识别原理 | 第55-58页 |
| ·整合网络结构和基因表达谱信息的功能模块识别 | 第56-57页 |
| ·与特定参数相关的互连子网的识别 | 第57-58页 |
| ·PluriNet与hiPSCs表达模式动态变化的关系研究 | 第58-66页 |
| ·引言 | 第58-59页 |
| ·数据与方法 | 第59-60页 |
| ·结果与讨论 | 第60-66页 |
| ·干细胞核心转录调控网络的无损压缩表示 | 第66-71页 |
| ·引言 | 第66页 |
| ·生物分子网络的无损压缩描述原理 | 第66-67页 |
| ·结果与讨论 | 第67-71页 |
| 本章小结 | 第71-72页 |
| 第四章 复杂性测度及其与重编程过程中细胞状态变化的关系 | 第72-91页 |
| ·复杂性和复杂性度量 | 第72-79页 |
| ·复杂性的概念 | 第72-74页 |
| ·复杂性度量及其在生物医学中的应用 | 第74-76页 |
| ·复杂性的统计度量 | 第76-79页 |
| ·基于自组织映射图的统计复杂性测度及实现 | 第79-82页 |
| ·复杂性测度与图像特征 | 第79-80页 |
| ·基于自组织映射图的直方图生成及量化 | 第80-81页 |
| ·自组织映射图的统计复杂性测度的计算流程 | 第81-82页 |
| ·重编程过程中细胞表达模式的复杂性分析 | 第82-90页 |
| ·数据准备 | 第82页 |
| ·重编程过程中细胞表达谱的自组织映射图 | 第82-84页 |
| ·重编程过程中细胞表达模式的统计复杂性测度 | 第84-87页 |
| ·重编程过程中细胞状态与统计复杂性测度的关系 | 第87-90页 |
| 本章小结 | 第90-91页 |
| 第五章 肿瘤干细胞表达模式及复杂性分析 | 第91-109页 |
| ·肿瘤干细胞研究概述 | 第91-95页 |
| ·肿瘤干细胞假说 | 第91-92页 |
| ·肿瘤干细胞的生物学特性及分离、鉴定方法 | 第92-94页 |
| ·肿瘤干细胞研究的意义及现状 | 第94-95页 |
| ·肿瘤干细胞表达模式的分析 | 第95-104页 |
| ·数据准备 | 第95-96页 |
| ·肿瘤干细胞表达谱的层次聚类和自组织映射 | 第96-99页 |
| ·肿瘤干细胞表达模式的复杂性分析 | 第99-104页 |
| ·肿瘤干细胞起源的讨论 | 第104-108页 |
| 本章小结 | 第108-109页 |
| 第六章 总结与展望 | 第109-112页 |
| ·总结 | 第109-110页 |
| ·展望 | 第110-112页 |
| 缩略语表 | 第112-113页 |
| 附录 | 第113-119页 |
| 参考文献 | 第119-128页 |
| 攻读博士学位期间发表的论文 | 第128-129页 |
| 致谢 | 第129-130页 |
