| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-33页 |
| 1.1 pathway的研究背景和意义 | 第13-15页 |
| 1.2 高通量生物技术 | 第15-18页 |
| 1.3 生物信息学数据库 | 第18-23页 |
| 1.3.1 GO数据库 | 第18-20页 |
| 1.3.2 InterPro数据库 | 第20-21页 |
| 1.3.3 MIPS数据库 | 第21-23页 |
| 1.4 pathway预测的国内外研究现状 | 第23-29页 |
| 1.4.1 pathway预测的早期研究 | 第23-24页 |
| 1.4.2 基于相互作用数据和高通量数据的pathway预测 | 第24-27页 |
| 1.4.3 基于比较基因组学和数据融合方法的pathway预测 | 第27-29页 |
| 1.4.4 pathway预测的国内研究现状 | 第29页 |
| 1.5 pathway预测研究中的关键问题 | 第29-31页 |
| 1.6 本文的主要研究工作和章节安排 | 第31-33页 |
| 第2章 信号转导pathway重构 | 第33-41页 |
| 2.1 pathway的类型 | 第33-34页 |
| 2.2 信号转导与信号转导pathway | 第34-37页 |
| 2.2.1 信号转导概念的提出 | 第34-35页 |
| 2.2.2 细胞信号的种类 | 第35-36页 |
| 2.2.3 细胞信号转导的组成要素 | 第36-37页 |
| 2.3 信号转导pathway的构建 | 第37-38页 |
| 2.4 本章小结 | 第38-41页 |
| 第3章 基于HMM的信号转导pathway重构 | 第41-65页 |
| 3.1 引言 | 第41-42页 |
| 3.2 Markov链 | 第42-44页 |
| 3.3 HMM模型 | 第44-47页 |
| 3.4 EM算法 | 第47-52页 |
| 3.5 信号转导pathway重构的数学模型 | 第52-53页 |
| 3.6 信号转导pathway重构算法 | 第53-57页 |
| 3.7 实验与结果分析 | 第57-63页 |
| 3.7.1 PKA pathway重构 | 第57-59页 |
| 3.7.2 MAPK pathway重构 | 第59-63页 |
| 3.8 本章小结 | 第63-65页 |
| 第4章 结合先验知识的信号转导pathway重构 | 第65-83页 |
| 4.1 引言 | 第65页 |
| 4.2 结合先验知识的信号转导pathway重构算法 | 第65-69页 |
| 4.2.1 重构算法描述 | 第65-67页 |
| 4.2.2 具有先验知识的重构实验与对比分析 | 第67-69页 |
| 4.3 先验知识的获取 | 第69-77页 |
| 4.3.1 引言 | 第69-70页 |
| 4.3.2 DDI的推断方法 | 第70-71页 |
| 4.3.3 ILP技术 | 第71-74页 |
| 4.3.4 融合信号域信息的S-DDI的预测算法 | 第74-77页 |
| 4.4 实验分析 | 第77-81页 |
| 4.4.1 融合S-DDI的MAPK pathway重构实验 | 第77-79页 |
| 4.4.2 重构结果的对比分析 | 第79-81页 |
| 4.5 本章小结 | 第81-83页 |
| 第5章 基于表达谱数据分析的组成要素识别 | 第83-101页 |
| 5.1 引言 | 第83-84页 |
| 5.2 两阶段FCM聚类算法 | 第84-91页 |
| 5.2.1 标准FCM算法 | 第84-86页 |
| 5.2.2 FCM算法初始值的选取 | 第86-88页 |
| 5.2.3 两阶段FCM算法 | 第88-89页 |
| 5.2.4 实验结果分析 | 第89-91页 |
| 5.3 基于SAM的差异表达分析 | 第91-99页 |
| 5.3.1 引言 | 第91-92页 |
| 5.3.2 SAM方法 | 第92-94页 |
| 5.3.3 SAM的算法步骤 | 第94-96页 |
| 5.3.4 实验结果分析 | 第96-99页 |
| 5.4 本章小结 | 第99-101页 |
| 第6章 结论与展望 | 第101-103页 |
| 参考文献 | 第103-117页 |
| 附录缩略语表 | 第117-119页 |
| 作者简介及在学期间所取得的科研成果 | 第119-121页 |
| 致谢 | 第121页 |
