| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外与癌症相关的lncRNAs预测的研究现状及分析 | 第9-10页 |
| 1.2.1 基于机器学习构建的计算模型 | 第9页 |
| 1.2.2 基于生物学网络构建的计算模型 | 第9页 |
| 1.2.3 不依赖已知的与疾病相关的lncRNAs构建的计算模型 | 第9-10页 |
| 1.3 论文结构安排 | 第10-11页 |
| 第二章 长非编码RNAs的简述 | 第11-14页 |
| 2.1 长非编码RNAs(long non-coding RNAs) | 第11页 |
| 2.2 lncRNAs的功能 | 第11-12页 |
| 2.3 lncRNAs相关的数据库 | 第12-14页 |
| 第三章 特征参数与分类预测算法 | 第14-23页 |
| 3.1 引言 | 第14页 |
| 3.2 lncRNAs结构特征提取 | 第14-19页 |
| 3.2.1 lncRNAs一级结构信息 | 第14-15页 |
| 3.2.2 lncRNAs序列的二级结构信息 | 第15-16页 |
| 3.2.3 lncRNAs序列的三级结构信息 | 第16-19页 |
| 3.2.4 重复序列(RepeatElements) | 第19页 |
| 3.3 lncRNAs调控特征提取 | 第19-20页 |
| 3.4 预测算法 | 第20-22页 |
| 3.4.1 支持向量机(SVM)算法 | 第20-21页 |
| 3.4.2 预测算法评估 | 第21-22页 |
| 3.5 小结 | 第22-23页 |
| 第四章 与癌症相关的lncRNAs的预测分析 | 第23-34页 |
| 4.1 引言 | 第23页 |
| 4.2 数据集 | 第23-25页 |
| 4.3 最优特征参数选取 | 第25-29页 |
| 4.3.1 序列k-mer信息对预测结果的影响 | 第25页 |
| 4.3.2 lncRNAs茎环信息对预测结果的影响 | 第25-26页 |
| 4.3.3 DNA几何柔性对预测结果的影响 | 第26-28页 |
| 4.3.4 重复序列对预测结果的影响 | 第28页 |
| 4.3.5 与癌症相关的miRNAs与lncRNAs相互作用对预测结果的影响 | 第28-29页 |
| 4.4 结果与讨论 | 第29-32页 |
| 4.4.1 lncRNAs结构信息对预测结果影响的比较 | 第29-30页 |
| 4.4.2 不同特征参量及融合之后对预测结果的影响 | 第30-31页 |
| 4.4.3 交叉检验与独立检验的结果比对 | 第31-32页 |
| 4.4.4 与前人结果的比较 | 第32页 |
| 4.5 小结 | 第32-34页 |
| 第五章 总结与展望 | 第34-36页 |
| 5.1 论文工作总结 | 第34页 |
| 5.2 工作展望 | 第34-36页 |
| 参考文献 | 第36-42页 |
| 致谢 | 第42-43页 |
| 作者攻读硕士学位期间发表和完成的论文目录 | 第43页 |
