| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 缩略词表 | 第12-13页 |
| 第一章 前言 | 第13-22页 |
| 1.1 课题的提出 | 第13-15页 |
| 1.2 生物复杂网络的研究方法 | 第15-16页 |
| 1.2.1 复杂网络简介 | 第15页 |
| 1.2.2 蛋白质相互作用网络 | 第15-16页 |
| 1.3 生物复杂性的数据挖掘方法 | 第16-18页 |
| 1.3.1 数据挖掘简介 | 第16-17页 |
| 1.3.2 人工神经网络 | 第17页 |
| 1.3.3 自动编码机 | 第17页 |
| 1.3.4 深度学习 | 第17-18页 |
| 1.4 生物复杂性数据挖掘的主要类型 | 第18-21页 |
| 1.4.1 转录组 | 第18-19页 |
| 1.4.2 蛋白组 | 第19页 |
| 1.4.3 基因重要性 | 第19-20页 |
| 1.4.4 癌基因 | 第20-21页 |
| 1.5 本研究内容及意义 | 第21-22页 |
| 第二章 一种基于神经网络模型预测癌症相关蛋白质及蛋白质组合的方法 | 第22-67页 |
| 2.1 前言 | 第22-23页 |
| 2.2 材料与方法 | 第23-33页 |
| 2.2.1 数据收集 | 第23-25页 |
| 2.2.1.1 已知药物靶点数据集 | 第23页 |
| 2.2.1.2 基因和蛋白质表达数据集 | 第23-24页 |
| 2.2.1.3 蛋白质互作数据集 | 第24-25页 |
| 2.2.1.4 蛋白质组合数据集 | 第25页 |
| 2.2.2 研究方法 | 第25-33页 |
| 2.2.2.1 神经网络模型预测癌症相关蛋白质及蛋白质组合的流程概述 | 第25-30页 |
| 2.2.2.2 评价本模型对预测癌症相关蛋白质的表现 | 第30-31页 |
| 2.2.2.3 训练前列腺癌特异模型 | 第31-32页 |
| 2.2.2.4 基于蛋白质相互作用构建关键蛋白质的KD子网络 | 第32-33页 |
| 2.3 结果与分析 | 第33-66页 |
| 2.3.1 神经网络模型预测癌症相关蛋白质 | 第33-41页 |
| 2.3.1.1 癌症相关蛋白质的预测结果 | 第33-34页 |
| 2.3.1.2 预测的癌症相关蛋白质的功能分析 | 第34-40页 |
| 2.3.1.3 评估本模型对癌症相关蛋白质的预测表现 | 第40-41页 |
| 2.3.2 神经网络模型预测癌症相关蛋白质的组合 | 第41-47页 |
| 2.3.2.1 癌症相关蛋白质组合的预测结果 | 第41-45页 |
| 2.3.2.2 评估本模型对癌症相关蛋白质组合的预测表现 | 第45-47页 |
| 2.3.3 结合PPI数据的KD网络分析 | 第47-58页 |
| 2.3.3.1 靶点蛋白为核心的三个KD子网络分析 | 第47-55页 |
| 2.3.3.2 已知药物靶点为核心的KD子网络分析 | 第55-58页 |
| 2.3.4 前列腺癌神经网络模型的训练和预测结果 | 第58-66页 |
| 2.3.4.1 前列腺癌相关蛋白质预测 | 第59-63页 |
| 2.3.4.2 前列腺癌相关蛋白质的组合的预测 | 第63-66页 |
| 2.4 本章小结 | 第66-67页 |
| 第三章 利用蛋白质相互作用网络和基因重要性识别癌症基因 | 第67-91页 |
| 3.1 前言 | 第67-68页 |
| 3.2 材料与方法 | 第68-72页 |
| 3.2.1 数据收集 | 第68-69页 |
| 3.2.1.1 基因重要性数据 | 第68-69页 |
| 3.2.1.2 蛋白质相互作用网络 | 第69页 |
| 3.2.2 研究方法 | 第69-72页 |
| 3.2.2.1 预测癌症基因 | 第69页 |
| 3.2.2.2 计算相互作用的值 | 第69-70页 |
| 3.2.2.3 计算相互作用相关性 | 第70-72页 |
| 3.3 结果与讨论 | 第72-90页 |
| 3.3.1 蛋白质相互作用的相关性分析 | 第74-80页 |
| 3.3.2 筛选突变相关蛋白质 | 第80-85页 |
| 3.3.3 预测药物靶标 | 第85-86页 |
| 3.3.4 差异表达基因与突变基因 | 第86-90页 |
| 3.4 本章小结 | 第90-91页 |
| 第四章 总结与展望 | 第91-93页 |
| 参考文献 | 第93-102页 |
| 附录 已发表及在投论文 | 第102-103页 |
| 致谢 | 第103-104页 |
