| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9页 |
| 1.1.2 研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 布尔网络模型 | 第10-11页 |
| 1.2.2 贝叶斯网络模型 | 第11-13页 |
| 1.2.3 支持向量机 | 第13页 |
| 1.2.4 神经网络 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第2章 构建转录调控网络算法 | 第17-26页 |
| 2.1 基于集成树的回归模型 | 第17-20页 |
| 2.2 基于支持向量机的分类模型 | 第20-24页 |
| 2.3 构建转录调控网络的评测指标 | 第24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于深度自编码器的组合模型 | 第26-41页 |
| 3.1 深度自编码器 | 第26-27页 |
| 3.2 XGBoost | 第27-29页 |
| 3.3 逻辑回归模型 | 第29-30页 |
| 3.4 基于DAXL模型的转录调控网络预测 | 第30-39页 |
| 3.4.1 模型的框架 | 第31-32页 |
| 3.4.2 特征重要性评估 | 第32-34页 |
| 3.4.3 深度自编码器学习基因注释数据 | 第34-36页 |
| 3.4.4 基于Hyperopt训练XGBoost模型 | 第36-37页 |
| 3.4.5 根据XGBoost模型得到01编码数据 | 第37-39页 |
| 3.4.6 利用逻辑回归训练预测得到转录调控网络 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 实验结果与分析 | 第41-51页 |
| 4.1 构建转录调控网络的实验数据集 | 第41-44页 |
| 4.1.1 基因表达数据 | 第41-42页 |
| 4.1.2 基因序列数据 | 第42-43页 |
| 4.1.3 基因注释数据 | 第43页 |
| 4.1.4 结合位点数据 | 第43-44页 |
| 4.2 深度自编码器学习基因注释数据的上层表示 | 第44-45页 |
| 4.3 深度自编码器中间层节点数对结果的影响 | 第45-46页 |
| 4.4 参数对XGBoost分类器的影响 | 第46-47页 |
| 4.5 01 编码有效性验证 | 第47-48页 |
| 4.6 转录调控网络构建结果 | 第48-49页 |
| 4.7 预测新的转录调控关系 | 第49-50页 |
| 4.8 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59-60页 |