| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 研究难点 | 第16-17页 |
| 1.4 主要研究目标和内容 | 第17-18页 |
| 1.5 论文结构和章节安排 | 第18-21页 |
| 第2章 相关理论基础 | 第21-35页 |
| 2.1 模体发现问题的定义 | 第21-22页 |
| 2.2 不同数据集中的模体 | 第22-23页 |
| 2.2.1 启动子序列中的模体 | 第22-23页 |
| 2.2.2 ChIP-seq数据集中的模体 | 第23页 |
| 2.2.3 两种数据集的比较 | 第23页 |
| 2.3 模体常用的表示方法 | 第23-27页 |
| 2.3.1 基于一致序列的模体表示法 | 第24页 |
| 2.3.2 基于位置权值矩阵的模体表示法 | 第24-25页 |
| 2.3.3 基于序列logo的图形表示法 | 第25-26页 |
| 2.3.4 基于IUPAC的模体表示法 | 第26-27页 |
| 2.4 模体的打分方式 | 第27-29页 |
| 2.4.1 一致序列得分 | 第27页 |
| 2.4.2 相对熵 | 第27-28页 |
| 2.4.3 适应度得分 | 第28-29页 |
| 2.5 模体相似度度量方法 | 第29-32页 |
| 2.5.1 皮尔逊相关系数(PCC) | 第29-30页 |
| 2.5.2 P值卡方检验(pCS) | 第30页 |
| 2.5.3 平均对数似然比(ALLR) | 第30页 |
| 2.5.4 平均Kullback-Leibler度量(AKL) | 第30-31页 |
| 2.5.5 平均距离之和(SSD) | 第31页 |
| 2.5.6 渐进方差(AC) | 第31-32页 |
| 2.6 模体的评价 | 第32-33页 |
| 2.7 相关数据库介绍 | 第33-34页 |
| 2.7.1 UCSCGenomeBrowser和ENCODE | 第33-34页 |
| 2.7.2 JARSPAR | 第34页 |
| 2.8 本章小结 | 第34-35页 |
| 第3章 吉布斯采样-极大团聚类的模体发现算法研究 | 第35-46页 |
| 3.1 引言 | 第35-36页 |
| 3.2 吉布斯采样和极大团聚类模体发现算法(GSMC) | 第36-43页 |
| 3.2.1 吉布斯采样 | 第37-38页 |
| 3.2.2 极大团 | 第38-39页 |
| 3.2.3 算法描述 | 第39-43页 |
| 3.3 算法的评价标准 | 第43-44页 |
| 3.3.1 算法的预测准确率 | 第43-44页 |
| 3.3.2 算法的时间性能 | 第44页 |
| 3.3.3 算法的识别能力 | 第44页 |
| 3.4 算法参数设置 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 实验与分析讨论 | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 参数最优化 | 第46-47页 |
| 4.3 数据集描述 | 第47-49页 |
| 4.4 算法实验结果对比与分析 | 第49-54页 |
| 4.4.1 预测准确率比较 | 第49-52页 |
| 4.4.2 运行时间比较 | 第52-53页 |
| 4.4.3 模体查找能力比较 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 附录A 攻读学位期间所发表的学术论文 | 第63-64页 |
| 附录B 攻读学位期间所参与的科研活动 | 第64页 |
