摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-21页 |
1.1 课题的研究意义 | 第10-13页 |
1.1.1 癌症生物标志物 | 第10-11页 |
1.1.2 癌症生物标志物研究背景 | 第11-13页 |
1.1.3 课题意义 | 第13页 |
1.2 国内外研究现状 | 第13-18页 |
1.2.1 基因表达与癌症相关研究 | 第14-15页 |
1.2.2 甲基化与癌症相关研究 | 第15-16页 |
1.2.3 SNP与癌症相关研究 | 第16-17页 |
1.2.4 整合多组学数据研究 | 第17-18页 |
1.2.5 癌症生物标志物研究现阶段缺点 | 第18页 |
1.3 本文的研究内容和创新点 | 第18-19页 |
1.4 主要研究内容 | 第19-21页 |
第二章 实验数据的预处理 | 第21-30页 |
2.1 数据来源介绍 | 第21-24页 |
2.1.1 数据库介绍 | 第22-23页 |
2.1.2 基因表达数据 | 第23页 |
2.1.3 DNA甲基化数据 | 第23-24页 |
2.1.4 SNP数据 | 第24页 |
2.2 数据预处理 | 第24-27页 |
2.2.1 数据去噪处理 | 第24页 |
2.2.2 空值填补处理 | 第24-25页 |
2.2.3 标准化数据处理 | 第25页 |
2.2.4 数据不均衡处理 | 第25页 |
2.2.5 批次效应处理 | 第25-27页 |
2.3 实验数据的预处理 | 第27-29页 |
2.4 本章小结 | 第29-30页 |
第三章 癌症生物标志物的组学识别算法 | 第30-44页 |
3.1 引言 | 第30-32页 |
3.2 DNA甲基化芯片数据的扩展 | 第32-33页 |
3.3 特征选择算法 | 第33-36页 |
3.3.1 Filter方法 | 第33-34页 |
3.3.2 Wrapper方法 | 第34-35页 |
3.3.3 Embedding方法 | 第35-36页 |
3.4 本文数据的特征选择 | 第36-38页 |
3.4.1 甲基化数据的特征选择 | 第36-37页 |
3.4.2 基因表达数据的特征选择 | 第37-38页 |
3.4.3 SNP数据的筛选 | 第38页 |
3.5 组学数据融合方法 | 第38-39页 |
3.6 实验数据分析 | 第39-43页 |
3.7 本章小结 | 第43-44页 |
第四章 基于MeSH的非相关文献挖掘方法设计与实现 | 第44-60页 |
4.1 数据挖掘 | 第45-48页 |
4.1.1 技术分析 | 第45页 |
4.1.2 医学文献数据挖掘 | 第45-47页 |
4.1.3 Pubmed文献 | 第47-48页 |
4.2 向量空间模型 | 第48-52页 |
4.2.1 空间向量模型介绍 | 第48-49页 |
4.2.2 特征项介绍 | 第49-50页 |
4.2.3 特征项权重计算 | 第50-51页 |
4.2.4 相似度计算 | 第51-52页 |
4.3 基于医学主题词的关系挖掘方法实现 | 第52-56页 |
4.3.1 实现过程 | 第52-55页 |
4.3.2 性能评估 | 第55-56页 |
4.4 实验结果 | 第56-59页 |
4.5 本章小结 | 第59-60页 |
第五章 生物医学信息综合分析平台 | 第60-75页 |
5.1 综合分析平台系统设计 | 第60-64页 |
5.1.1 J2EE | 第60-62页 |
5.1.2 平台需求分析 | 第62-64页 |
5.2 综合分析平台实现 | 第64-72页 |
5.2.1 数据录入模块 | 第64-65页 |
5.2.2 算法实现模块 | 第65-68页 |
5.2.3 结果展示模块 | 第68-70页 |
5.2.4 辅助功能模块 | 第70-71页 |
5.2.5 资源下载模块 | 第71-72页 |
5.3 系统测试 | 第72-74页 |
5.3.1 功能测试 | 第72-73页 |
5.3.2 性能测试 | 第73-74页 |
5.4 本章小结 | 第74-75页 |
第六章 结论与展望 | 第75-77页 |
6.1 本文工作总结 | 第75页 |
6.2 未来研究工作展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-83页 |
攻读硕士学位期间取得的成果 | 第83页 |