| 内容摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 引言 | 第13-24页 |
| 1.1 罕见疾病研究现状 | 第14-18页 |
| 1.1.1 罕见疾病简介 | 第14-15页 |
| 1.1.2 罕见疾病研究意义与挑战 | 第15-16页 |
| 1.1.3 罕见疾病用药研究现状 | 第16-17页 |
| 1.1.4 罕见疾病研究资源 | 第17-18页 |
| 1.2 疾病重用药研究现状 | 第18-22页 |
| 1.2.1 疾病重用药研究方法 | 第19-21页 |
| 1.2.2 疾病重用药相关数据库 | 第21-22页 |
| 1.3 基因组学在疾病重用药中的作用 | 第22页 |
| 1.4 表型信息的重要性 | 第22-23页 |
| 1.5 本文研究内容与意义 | 第23-24页 |
| 2 数据收集标准化及预处理 | 第24-30页 |
| 2.1 疾病数据收集与处理 | 第24-27页 |
| 2.1.1 疾病来源及名称的标准化 | 第24-26页 |
| 2.1.2 疾病表型数据来源及标准化 | 第26-27页 |
| 2.1.3 疾病基因数据整合 | 第27页 |
| 2.2 药物相关注释数据 | 第27-28页 |
| 2.3 疾病-药物相关关系数据 | 第28-30页 |
| 3 DDCF模型的构建与实现 | 第30-39页 |
| 3.1 基于Item-user的协同过滤算法流程 | 第30-34页 |
| 3.1.1 Item-user协同过滤算法简介 | 第30-32页 |
| 3.1.2 DDCF预测流程 | 第32-34页 |
| 3.2 构建疾病相似性矩阵 | 第34-35页 |
| 3.2.1 基于基因的疾病相似性 | 第34-35页 |
| 3.2.2 基于表型的疾病相似性 | 第35页 |
| 3.3 构建药物相似性矩阵 | 第35-37页 |
| 3.3.1 基于靶点的药物相似性 | 第35-36页 |
| 3.3.2 基于副作用的药物相似性 | 第36页 |
| 3.3.3 基于化学结构的药物相似性 | 第36-37页 |
| 3.4 DDCF疾病-药物预测的实现 | 第37-39页 |
| 3.4.1 相似性矩阵融合 | 第37页 |
| 3.4.2 构建疾病-药物关系矩阵 | 第37-38页 |
| 3.4.3 协同过滤算法融合 | 第38-39页 |
| 4 结果的评估与讨论 | 第39-53页 |
| 4.1 预测结果的分析及验证 | 第39-44页 |
| 4.1.1 算法性能评估 | 第39-41页 |
| 4.1.2 基于CTD基准的结果验证及分析 | 第41-43页 |
| 4.1.3 基于文本挖掘的结果验证 | 第43-44页 |
| 4.2 与其他预测方法的比较 | 第44-46页 |
| 4.2.1 与其他模型比较 | 第44-45页 |
| 4.2.2 与PREDICT结果比较 | 第45-46页 |
| 4.3 结果的讨论 | 第46-53页 |
| 4.3.1 获得新的疾病-药物治疗关系 | 第46-47页 |
| 4.3.2 分别基于疾病网络和药物靶点分析结果 | 第47-49页 |
| 4.3.3 案例研究：蛋白质3D结构比对 | 第49-50页 |
| 4.3.4 案例研究：KEGG通路富集分析 | 第50-53页 |
| 5 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 附录 | 第61-73页 |
| 附录1：PREDICT和DDCF中的部分疾病-药物关系预测结果 | 第61-63页 |
| 附录2：得分较高的10种罕见疾病top-10推荐用药展示 | 第63-66页 |
| 附录3：KEGGPathway富集分析结果 | 第66-73页 |
| 在学期间所取得的科研成果 | 第73-74页 |
| 论文发表 | 第73-74页 |
| 后记 | 第74-75页 |