| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 英文缩略词中英文注释表 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 高通量测序在生物医学研究领域的应用 | 第10-12页 |
| 1.2.1 宏基因组学在疾病中的应用 | 第10-11页 |
| 1.2.2 蛋白组学在肿瘤中的应用 | 第11-12页 |
| 1.3 生物信息学在高通量测序领域的应用 | 第12页 |
| 1.4 本研究内容及论文结构 | 第12-14页 |
| 第二章 基于16S rRNA数据的疾病预测平台构建 | 第14-36页 |
| 2.1 前言 | 第14-15页 |
| 2.2 16S rRNA数据分析流程及平台构建 | 第15-22页 |
| 2.2.1 测序数据预处理 | 第16-17页 |
| 2.2.2 OTU生成 | 第17页 |
| 2.2.3 系统发育树构建 | 第17-18页 |
| 2.2.4 菌群结构分布 | 第18页 |
| 2.2.5 Alpha多样性 | 第18-19页 |
| 2.2.6 Beta多样性 | 第19页 |
| 2.2.7 OTU热图分析 | 第19页 |
| 2.2.8 特征选择 | 第19-20页 |
| 2.2.9 SVM模型构建 | 第20页 |
| 2.2.10 预测与评估 | 第20-21页 |
| 2.2.11 MetaDP平台配置 | 第21-22页 |
| 2.3 结果 | 第22-34页 |
| 2.3.1 MetaDP组成框架 | 第22-23页 |
| 2.3.2 OTU统计 | 第23-24页 |
| 2.3.3 菌群结构分布 | 第24-25页 |
| 2.3.4 Alpha多样性 | 第25-30页 |
| 2.3.5 Beta多样性 | 第30-31页 |
| 2.3.6 OTU heatmaps | 第31-32页 |
| 2.3.7 模型构建 | 第32-34页 |
| 2.4 讨论 | 第34-36页 |
| 第三章 基于蛋白组学数据的卵巢癌预后预测分析 | 第36-57页 |
| 3.1 前言 | 第36-37页 |
| 3.2 材料与方法 | 第37-39页 |
| 3.2.1 卵巢癌蛋白组学数据预处理 | 第37页 |
| 3.2.2 差异蛋白筛选 | 第37-38页 |
| 3.2.3 功能富集分析 | 第38页 |
| 3.2.4 生存曲线分析 | 第38-39页 |
| 3.3 结果 | 第39-55页 |
| 3.3.1 数据预处理结果 | 第39页 |
| 3.3.2 差异蛋白筛选结果 | 第39-53页 |
| 3.3.3 GO生物学功能富集分析 | 第53页 |
| 3.3.4 KEGG生物学通路分析 | 第53-54页 |
| 3.3.5 生存曲线分析结果 | 第54-55页 |
| 3.4 讨论 | 第55-57页 |
| 第四章 总结与展望 | 第57-59页 |
| 4.1 总结 | 第57页 |
| 4.2 展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 作者简历 | 第66页 |