| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 癌症生物信息学 | 第9-10页 |
| 1.1.1 癌症简介 | 第9页 |
| 1.1.2 生物信息学的应用 | 第9-10页 |
| 1.2 癌症与基因组突变 | 第10-11页 |
| 1.2.1 基因组突变类型 | 第10-11页 |
| 1.2.2 癌症驱动错义突变 | 第11页 |
| 1.3 驱动错义突变预测方法研究现状 | 第11-13页 |
| 1.4 本文主要研究内容以及创新点 | 第13页 |
| 1.5 本文组织结构 | 第13-14页 |
| 第二章 癌症驱动错义突变预测工具的评估 | 第14-30页 |
| 2.1 引言 | 第14页 |
| 2.2 实验方法与材料 | 第14-18页 |
| 2.2.1 预测工具获取 | 第14-15页 |
| 2.2.2 标准测试集获取 | 第15-16页 |
| 2.2.3 预测结果获取 | 第16-17页 |
| 2.2.4 预测效果评估指标 | 第17-18页 |
| 2.3 实验结果与讨论 | 第18-29页 |
| 2.3.1 驱动错义突变预测工具设计方法介绍 | 第18-19页 |
| 2.3.2 癌症特异性与广谱性疾病突变预测工具性能比较分析 | 第19-24页 |
| 2.3.3 基于综合性特征与保守性特征的突变预测工具性能比较分析 | 第24-25页 |
| 2.3.4 基于集成学习器与个体学习器的突变预测工具性能比较分析 | 第25-29页 |
| 2.3.5 生殖细胞突变和体细胞突变数据的预测性能比较分析 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 高质量乘客突变提升癌症驱动突变预测效果 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 实验方法与材料 | 第30-35页 |
| 3.2.1 数据收集 | 第30-32页 |
| 3.2.2 特征编码 | 第32-34页 |
| 3.2.3 模型构建 | 第34-35页 |
| 3.3 实验结果与分析 | 第35-42页 |
| 3.3.1 高质量癌症乘客突变生物学特征分析 | 第35-37页 |
| 3.3.2 基于高质量癌症乘客突变数据的预测模型构建 | 第37-38页 |
| 3.3.3 模型参数优化以及分类器比较 | 第38-39页 |
| 3.3.4 与癌症特异性突变预测工具的性能比较 | 第39-41页 |
| 3.3.5 与广谱性疾病突变预测工具的性能比较 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 总结与展望 | 第44-46页 |
| 4.1 全文工作总结 | 第44-45页 |
| 4.2 未来工作展望 | 第45-46页 |
| 参考文献 | 第46-52页 |
| 附录 | 第52-58页 |
| 致谢 | 第58-59页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第59页 |
