| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本文研究内容及所做的工作 | 第15-16页 |
| 1.4 本文结构安排 | 第16-18页 |
| 第2章 上位性分析算法概述 | 第18-33页 |
| 2.1 引言 | 第18页 |
| 2.2 基本概念 | 第18-24页 |
| 2.2.1 SNP与HAPMAP计划 | 第18-21页 |
| 2.2.2 基因突变的类型 | 第21-22页 |
| 2.2.3 上位性 | 第22-23页 |
| 2.2.4 全基因组关联研究 | 第23-24页 |
| 2.3 连锁不平衡的概念 | 第24-25页 |
| 2.4 上位性检测算法 | 第25-32页 |
| 2.4.1 关联分析方法 | 第25-28页 |
| 2.4.2 基于机器学习的方法 | 第28-31页 |
| 2.4.3 贝叶斯网络理论的方法 | 第31-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 基于蚁群算法的上位性分析方法 | 第33-44页 |
| 3.1 上位性分析模型 | 第33-34页 |
| 3.2 数据预处理 | 第34-36页 |
| 3.3 多准则融合过滤 | 第36-38页 |
| 3.4 基于蚁群算法的上位性分析 | 第38-40页 |
| 3.4.1 蚁群算法基本原理 | 第38-39页 |
| 3.4.2 上位性分析 | 第39-40页 |
| 3.5 样本个体状态预测 | 第40-42页 |
| 3.6 本文方法整体流程图 | 第42-43页 |
| 3.7 小结 | 第43-44页 |
| 第4章 复杂疾病模拟数据的上位性分析 | 第44-52页 |
| 4.1 模拟数据 | 第44-46页 |
| 4.1.1 疾病数据生成模型 | 第44-45页 |
| 4.1.2 模拟数据集 | 第45-46页 |
| 4.2 实验结果及分析 | 第46-50页 |
| 4.2.1 五折交叉验证 | 第46-49页 |
| 4.2.2 运算时间 | 第49-50页 |
| 4.3 小结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 附录A (攻读学位期间所发表的学术论文和参加的项目) | 第59-60页 |
| 致谢 | 第60页 |