| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 遗传变异分析方法研究现状综述 | 第12页 |
| 1.4 本文主要研究内容 | 第12-14页 |
| 第2章 数据收集及预处理 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 HBV数据预处理 | 第14-17页 |
| 2.2.1 HBV数据样本来源说明 | 第14页 |
| 2.2.2 HBV全基因组测序实验流程 | 第14-15页 |
| 2.2.3 HBV基因数据序列比对和变异检测 | 第15-17页 |
| 2.2.4 HBV基因数据质量控制 | 第17页 |
| 2.3 乳腺癌数据预处理 | 第17-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 HBV和乳腺癌全基因组关联分析 | 第20-34页 |
| 3.1 引言 | 第20页 |
| 3.2 GWAS分析方法概述 | 第20-24页 |
| 3.2.1 目标人群分层分析研究 | 第20-21页 |
| 3.2.2 SNP位点卡方检验分析 | 第21-22页 |
| 3.2.3 SNP位点Fisher检验分析 | 第22-23页 |
| 3.2.4 SNP位点逻辑回归分析 | 第23-24页 |
| 3.2.5 优势比分析 | 第24页 |
| 3.3 HBV实证分析 | 第24-30页 |
| 3.3.1 HBV人群主成分分析 | 第24-26页 |
| 3.3.2 HBV的SNP位点显著性分析 | 第26-28页 |
| 3.3.3 RNA及基因功能介绍 | 第28-29页 |
| 3.3.4 HBV连锁不平衡分析 | 第29-30页 |
| 3.4 乳腺癌实证分析 | 第30-33页 |
| 3.4.1 乳腺癌人群分层主成分分析 | 第30-31页 |
| 3.4.2 乳腺癌SNP位点显著性分析 | 第31-33页 |
| 3.4.3 显著SNP位点所在基因功能分析 | 第33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 xgboost算法在HBV及乳腺癌变量重要度中的研究 | 第34-45页 |
| 4.1 引言 | 第34页 |
| 4.2 xgboost模型原理分析 | 第34-36页 |
| 4.2.1 构建xgboost算法目标函数 | 第34-35页 |
| 4.2.2 构建xgboost算法损失函数 | 第35-36页 |
| 4.3 HBVSNP数据在xgboost算法中的实证分析 | 第36-38页 |
| 4.3.1 HBVSNP数据在xgboost算法中的应用 | 第36-38页 |
| 4.3.2 HBVSNP数据分析结果可靠性评价 | 第38页 |
| 4.4 乳腺癌的肿瘤标志物在xgboost算法中实证分析 | 第38-44页 |
| 4.4.1 xgboost算法在乳腺癌的基因表达数据中的应用 | 第38-40页 |
| 4.4.2 xgboost算法在乳腺癌的miRNA表达数据中的应用 | 第40-41页 |
| 4.4.3 xgboost算法在乳腺癌的蛋白质表达数据中的应用 | 第41-43页 |
| 4.4.4 所筛选的基因,miRNA和蛋白质的功能介绍 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 基于多层网络对乳腺癌标志物可靠性研究 | 第45-60页 |
| 5.1 引言 | 第45页 |
| 5.2 肿瘤标志物复杂网络关系研究 | 第45-49页 |
| 5.2.1 最大信息系数模型研究 | 第45-46页 |
| 5.2.2 基于最大信息系数构建复杂网络 | 第46-49页 |
| 5.3 肿瘤标志物多层网络关系研究 | 第49-59页 |
| 5.3.1 多层网络模型性质探究 | 第50-51页 |
| 5.3.2 基于最大信息系数构建多层复杂网络 | 第51-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-69页 |
| 攻读硕士期间发表的论文及其他成果 | 第69-71页 |
| 致谢 | 第71页 |
