| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-26页 |
| ·基因表达与基因调控网络 | 第12-17页 |
| ·转录调控网络 | 第13-14页 |
| ·microRNA参与的基因调控网络 | 第14-15页 |
| ·实验方法与实验数据 | 第15-17页 |
| ·本文研究内容 | 第17-18页 |
| ·相关研究进展 | 第18-25页 |
| ·重建基因调控网络 | 第18-21页 |
| ·量化转录调控过程 | 第21-24页 |
| ·识别miRNA靶基因 | 第24-25页 |
| ·论文结构 | 第25-26页 |
| 第二章 SAR:一种新的贝叶斯网络学习算法 | 第26-54页 |
| ·引言 | 第26-27页 |
| ·预备知识 | 第27-30页 |
| ·算法框架 | 第30-34页 |
| ·理论基础 | 第30-33页 |
| ·SAR算法 | 第33-34页 |
| ·实现技术 | 第34-42页 |
| ·学习无向独立图 | 第35-39页 |
| ·分解策略 | 第39-40页 |
| ·学习与组合DAG | 第40-42页 |
| ·模拟数据上的实验 | 第42-50页 |
| ·实验数据 | 第42页 |
| ·参数的影响 | 第42-45页 |
| ·性能比较 | 第45-47页 |
| ·复杂度分析 | 第47-50页 |
| ·应用SAR学习基因调控网络 | 第50-52页 |
| ·小结 | 第52-54页 |
| 第三章 定量转录调控网络的学习 | 第54-70页 |
| ·引言 | 第54-55页 |
| ·定量转录调控模型 | 第55-59页 |
| ·酶动力学模型 | 第55-58页 |
| ·基于结合能的转录调控模型 | 第58-59页 |
| ·学习算法 | 第59-63页 |
| ·算法推导 | 第61-62页 |
| ·从序列中估计初始结合能 | 第62-63页 |
| ·实验 | 第63-68页 |
| ·实验数据 | 第64页 |
| ·学习TF的浓度 | 第64-65页 |
| ·预测TF的调控方向 | 第65-66页 |
| ·检测功能性的TF-DNA结合 | 第66-68页 |
| ·小结 | 第68-70页 |
| 第四章 基于二分图邻近传播的microRNA靶基因预测 | 第70-82页 |
| ·引言 | 第70-71页 |
| ·miRNA参与的两类调控环路 | 第71-73页 |
| ·二分图上的邻近传播算法 | 第73-76页 |
| ·miRNA-mRNA互作用的权重 | 第73-74页 |
| ·二分图上的邻近传播算法 | 第74-76页 |
| ·实验 | 第76-79页 |
| ·实验数据 | 第76-77页 |
| ·参数影响 | 第77-78页 |
| ·提炼TargetScan预测的结果 | 第78-79页 |
| ·性能比较 | 第79页 |
| ·小结 | 第79-82页 |
| 第五章 基于监督距离学习的microRNA靶基因预测 | 第82-92页 |
| ·引言 | 第82-83页 |
| ·基于核的监督距离学习 | 第83-86页 |
| ·元矩阵的构建 | 第86-88页 |
| ·实验 | 第88-91页 |
| ·参数影响 | 第89页 |
| ·性能比较 | 第89-91页 |
| ·小结 | 第91-92页 |
| 第六章 总结与展望 | 第92-94页 |
| ·总结 | 第92-93页 |
| ·未来工作展望 | 第93-94页 |
| 参考文献 | 第94-110页 |
| 发表/录用论文 | 第110页 |
| 已投稿论文 | 第110-112页 |
| 致谢 | 第112-113页 |