| 缩略词表 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 前言 | 第11-17页 |
| 第1节 生物医学领域高维数据特点 | 第11-12页 |
| 第2节 TCGA肿瘤基因组数据库数据结构特点简介 | 第12-13页 |
| 第3节 PubMed医学文本数据库数据结构特点简介 | 第13-14页 |
| 第4节 生物医学领域的数据挖掘与特征选择 | 第14-15页 |
| 第5节 论文框架 | 第15-17页 |
| 第2章 利用数据自身结构的特征选择方法筛选肝癌预后相关基因 | 第17-26页 |
| 第1节 MicroRNA及肝细胞癌相关生物学背景介绍 | 第17-18页 |
| 第2节 数据来源与处理 | 第18页 |
| 第3节 肝细胞癌生存率相关分子的复杂网络构建及拓扑特性研究 | 第18-24页 |
| 2.3.1 基因共表达及miRNA-靶基因调控网络构建 | 第18-20页 |
| 2.3.2 网络中的Hub节点富集生存率相关基因 | 第20-22页 |
| 2.3.3 对高度数节点中生存相关基因的GO分析 | 第22-24页 |
| 第4节 小结 | 第24-26页 |
| 第3章 利用领域内知识的特征选择方法筛选肿瘤药物反应相关基因 | 第26-43页 |
| 第1节 肿瘤耐药性背景介绍 | 第26-27页 |
| 第2节 筛选具有耐药风险的基因 | 第27-31页 |
| 3.2.1 数据来源 | 第27-29页 |
| 3.2.2 肿瘤筛选 | 第29-30页 |
| 3.2.3 特征选择 | 第30-31页 |
| 第3节 特征基因集的富集分析 | 第31-37页 |
| 第4节 多种算法评价模型分类效果 | 第37-42页 |
| 第5节 小结 | 第42-43页 |
| 第4章 利用全领域知识的特征选择方法预测潜在益生元 | 第43-54页 |
| 第1节 文本挖掘相关背景介绍 | 第43-44页 |
| 第2节 预测模型的构建与益生元预测 | 第44-51页 |
| 4.2.1 总体框架与数据准备 | 第44-46页 |
| 4.2.2 模型构建及最佳参数集选择 | 第46-48页 |
| 4.2.3 特征富集分析及已有碳水化合物聚类分析 | 第48-50页 |
| 4.2.4 模型评价及益生元预测 | 第50-51页 |
| 第3节 预测结果及文献分析 | 第51-52页 |
| 第4节 小结 | 第52-54页 |
| 第5章 总结与讨论 | 第54-56页 |
| 参考文献 | 第56-63页 |
| 代表性论著 | 第63-80页 |
| 个人简历 | 第80-81页 |
| 致谢 | 第81页 |
