基于贝叶斯理论的基因调控网络建模研究

中文摘要	第1-4页
ABSTRACT	第4-9页
第一章 绪论	第9-18页
·选题背景与意义	第9-10页
·基因调控网络研究现状	第10-14页
·建模方法的研究	第10-11页
·多个基因表达数据集的融合	第11-12页
·多种生物数据源的融合	第12页
·构建基因调控网络的算法性能评价	第12-13页
·基因调控网络软件和平台构建	第13-14页
·基因调控网络研究中存在的问题	第14-15页
·论文的研究工作与组织	第15-18页
第二章 基因调控网络	第18-30页
·基因调控网络的定义	第18-21页
·调控元件	第18-19页
·基因调控网络的结构	第19-21页
·基因调控网络模型	第21-25页
·布尔网络模型	第21-23页
·线性模型	第23页
·马尔科夫模型	第23-24页
·微分方程模型	第24-25页
·概率图模型	第25页
·基因调控网络的建模过程	第25-27页
·生物数据及数据库	第27-29页
·基因表达数据及数据库	第27-28页
·核酸序列数据库	第28-29页
·蛋白质-蛋白质相互作用数据库	第29页
·功能数据库	第29页
·小结	第29-30页
第三章 基于贝叶斯理论的网络模型	第30-49页
·贝叶斯定理与贝叶斯网络的定义	第30-33页
·贝叶斯定理与假设	第30-31页
·贝叶斯网络的描述	第31-33页
·贝叶斯网络的学习	第33-40页
·贝叶斯网络的结构学习	第34-38页
·贝叶斯网络的参数学习	第38-40页
·贝叶斯网络学习存在的问题	第40-41页
·马尔科夫独立性假设问题	第40页
·前提假设条件过强问题	第40页
·计算复杂度高的问题	第40-41页
·动态贝叶斯网络的描述	第41-42页
·动态贝叶斯网络的学习	第42-47页
·动态贝叶斯网络的结构学习	第43-47页
·动态贝叶斯网络的参数学习	第47页
·动态贝叶斯网络学习中存在的问题	第47-48页
·小结	第48-49页
第四章 融合多个基因表达数据集的基因调控网络构建	第49-67页
·基于贝叶斯网络构建基因调控网络的相关研究	第49-51页
·MFD-GRN 算法	第51-59页
·局部学习	第53-55页
·全局学习	第55-59页
·实验及结果分析	第59-66页
·在Alarm 网上的实验	第59-60页
·在拟南芥的基因表达数据集上的实验	第60-66页
·小结	第66-67页
第五章 基于动态贝叶斯模型的基因调控网络构建	第67-80页
·动态贝叶斯网络和基因调控网络	第67-69页
·基于动态贝叶斯网络的基因调控网络	第67-68页
·基于动态贝叶斯网络构建基因调控网络的相关研究	第68-69页
·TSMI-GRN 算法	第69-72页
·时序互信息	第70-71页
·TSMI-GRN 算法	第71-72页
·实验及结果分析	第72-78页
·实验数据与评价网络的选取	第72-73页
·参数选择	第73-74页
·与BDE 算法，MH 算法比较的实验	第74-76页
·与微分方程模型的GNR 算法比较的实验	第76-78页
·小结	第78-80页
第六章 融合多源数据的变结构基因调控网络构建	第80-105页
·动态贝叶斯网络的假设条件	第80-82页
·变结构的动态贝叶斯网络	第82-85页
·变结构动态贝叶斯网络的描述	第82-83页
·变结构动态贝叶斯网络的相关研究	第83-85页
·变结构基因调控网络的构建过程	第85-94页
·时间序列平稳区间的分割	第86-89页
·平稳区间内贝叶斯网络的学习	第89-92页
·相邻平稳区间之间的转移网络的学习	第92-94页
·实验及结果分析	第94-104页
·生物数据的选取	第94-95页
·基因表达数据的预处理结果	第95页
·平稳区间的分割结果	第95-96页
·平稳区间内基因的筛选结果	第96-97页
·数据质量对构建的网络结果的影响	第97页
·构建的酵母菌的基因调控网络的结果分析	第97-104页
·小结	第104-105页
第七章 总结与展望	第105-108页
·本文的主要贡献	第105-106页
·工作展望	第106-108页
参考文献	第108-117页
发表论文和参加科研情况说明	第117-118页
致谢	第118页