| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-24页 |
| ·引言 | 第14-15页 |
| ·研究背景 | 第15-18页 |
| ·肿瘤基因芯片表达数据预处理的相关方法 | 第15-16页 |
| ·肿瘤基因芯片表达数据聚类的相关方法 | 第16-17页 |
| ·基因表达调控网络构建的相关方法 | 第17-18页 |
| ·论文的主要工作与创新 | 第18-22页 |
| ·论文的结构 | 第22-24页 |
| 第二章 肿瘤基因组学与基因芯片 | 第24-32页 |
| ·肿瘤 | 第24-25页 |
| ·肿瘤基因的表达调控 | 第25-27页 |
| ·基因表达调控 | 第25-26页 |
| ·肿瘤基因的异常表达调控 | 第26-27页 |
| ·基因芯片 | 第27-29页 |
| ·基因芯片实验 | 第27-28页 |
| ·基因芯片的数据分析 | 第28页 |
| ·基因芯片的应用 | 第28-29页 |
| ·基于基因芯片的肿瘤研究 | 第29-30页 |
| ·相关网络数据资源 | 第30-32页 |
| 第三章 肿瘤基因芯片预处理分析 | 第32-46页 |
| ·预处理过程简介 | 第32-33页 |
| ·缺失数据处理方法研究 | 第33-39页 |
| ·常用算法及存在的问题 | 第33-35页 |
| ·KNN-SVR 估计法 | 第35-36页 |
| ·数据及算法评估方法 | 第36页 |
| ·结果对比及分析 | 第36-39页 |
| ·标准化方法研究 | 第39-45页 |
| ·常用算法及存在的问题 | 第39-41页 |
| ·基于类均值的标准化方法 | 第41-42页 |
| ·数据及算法评估方法 | 第42-43页 |
| ·结果对比及分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 肿瘤基因芯片时序表达数据的聚类方法研究 | 第46-68页 |
| ·基因聚类的生物学基础 | 第46-47页 |
| ·常用算法及存在的问题 | 第47-49页 |
| ·传统的聚类方法 | 第48页 |
| ·Reg-Cluster 法 | 第48-49页 |
| ·共调控功能类及相关统计 | 第49-53页 |
| ·共调控功能类 | 第49-51页 |
| ·相关统计 | 第51-53页 |
| ·基于局部最大相关系数的聚类方法 | 第53-59页 |
| ·定义 | 第53-55页 |
| ·参数的设定 | 第55-57页 |
| ·K 均值法的改进 | 第57-59页 |
| ·实验及结果分析 | 第59-67页 |
| ·数据描述 | 第59-60页 |
| ·参数设置 | 第60页 |
| ·人工数据的实验及分析 | 第60-63页 |
| ·真实数据的实验及聚类结果的功能分析 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第五章 肿瘤基因芯片非时序表达数据的聚类方法研究 | 第68-100页 |
| ·常用算法及存在的问题 | 第68-72页 |
| ·经典聚类方法存在的问题 | 第68-69页 |
| ·独立成分分析 | 第69-72页 |
| ·约束独立成分分析 | 第72-74页 |
| ·目标函数 | 第72-73页 |
| ·约束条件 | 第73页 |
| ·优化算法 | 第73-74页 |
| ·降噪约束独立成分分析 | 第74-86页 |
| ·基本模型 | 第74-75页 |
| ·约束条件 | 第75-78页 |
| ·目标函数 | 第78-80页 |
| ·优化算法 | 第80-82页 |
| ·解的稳定性 | 第82-86页 |
| ·基于降噪独立成分分析的聚类方法 | 第86-88页 |
| ·实验及结果分析 | 第88-99页 |
| ·数据描述 | 第88页 |
| ·设置参数及约束条件 | 第88-91页 |
| ·聚类算法性能比较 | 第91-94页 |
| ·聚类结果的功能分析 | 第94-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 结合多源先验信息的多时延基因表达调控网络构建方法研究 | 第100-128页 |
| ·基因表达调控网络概述 | 第100-102页 |
| ·基因表达调控网络 | 第100-101页 |
| ·反向技术中的相关模型 | 第101-102页 |
| ·贝叶斯网络及存在的问题 | 第102-105页 |
| ·静态贝叶斯网 | 第102-103页 |
| ·动态贝叶斯网 | 第103页 |
| ·贝叶斯网络的结构学习 | 第103-104页 |
| ·存在的问题 | 第104-105页 |
| ·结合多源先验的多时延基因表达调控网络构建方法 | 第105-113页 |
| ·N 阶动态贝叶斯网络 | 第105-106页 |
| ·基本原理 | 第106-107页 |
| ·建议概率比的计算 | 第107-108页 |
| ·数据似然比的计算 | 第108-109页 |
| ·先验概率比的计算 | 第109-113页 |
| ·网络结构学习算法 | 第113页 |
| ·先验信息 | 第113-116页 |
| ·数据库中对基因间调控关系的描述 | 第113-114页 |
| ·基因表达谱的相似性 | 第114-115页 |
| ·文献中对基因间调控关系的描述 | 第115页 |
| ·GO 分类术语间的语义相似性 | 第115-116页 |
| ·实验及结果分析 | 第116-127页 |
| ·人工数据实验 | 第116-121页 |
| ·宫颈癌细胞周期基因表达数据实验 | 第121-127页 |
| ·本章小结 | 第127-128页 |
| 第七章 结束语 | 第128-132页 |
| ·论文工作总结 | 第128-130页 |
| ·未来工作展望 | 第130-132页 |
| 致谢 | 第132-134页 |
| 参考文献 | 第134-148页 |
| 作者在学期间取得的学术成果 | 第148页 |