| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-31页 |
| 1.1 研究背景与研究意义 | 第15-19页 |
| 1.1.1 论文研究背景 | 第15-17页 |
| 1.1.2 论文研究意义 | 第17-19页 |
| 1.2 基于基因组数据的癌症研究现状 | 第19-28页 |
| 1.2.1 主要研究内容 | 第21-22页 |
| 1.2.2 主要研究方法 | 第22-26页 |
| 1.2.3 研究的主要方向及存在的问题 | 第26-28页 |
| 1.3 本文的研究内容及结构安排 | 第28-31页 |
| 第二章 癌症亚型发现的数据挖掘研究基础 | 第31-45页 |
| 2.1 引言 | 第31-32页 |
| 2.2 基因芯片 | 第32-37页 |
| 2.2.1 基因芯片原理 | 第32-33页 |
| 2.2.2 基因芯片分类 | 第33-35页 |
| 2.2.3 基因表达数据及其特点 | 第35-37页 |
| 2.3 二代测序数据 | 第37-39页 |
| 2.4 癌症基因组学 | 第39-40页 |
| 2.5 癌症基因组图谱计划 | 第40-43页 |
| 2.6 癌症生物信息学 | 第43-44页 |
| 2.7 本章小结 | 第44-45页 |
| 第三章 癌症亚型发现的数据挖掘研究方法概述 | 第45-81页 |
| 3.1 数据预处理 | 第45-50页 |
| 3.1.1 数据过滤 | 第45-46页 |
| 3.1.2 数据补齐 | 第46-47页 |
| 3.1.3 数据标准化 | 第47-50页 |
| 3.2 数据特征提取方法 | 第50-59页 |
| 3.2.1 基于表达变异的特征选择方法 | 第51页 |
| 3.2.2 基于表达差异分析的特征选择方法 | 第51-53页 |
| 3.2.3 基于COX模型的特征选择方法 | 第53-56页 |
| 3.2.4 基于主成分分析的特征选择方法 | 第56-59页 |
| 3.3 癌症基因组数据聚类方法 | 第59-69页 |
| 3.3.1 一致性聚类(Consensus Clustering) | 第60-62页 |
| 3.3.2 一致性非负矩阵因式分解(CNMF) | 第62-64页 |
| 3.3.3 多基因组数据集成聚类(iCluster) | 第64-66页 |
| 3.3.4 相似性网络融合(SNF) | 第66-69页 |
| 3.4 癌症基因组数据聚类结果评价指标 | 第69-79页 |
| 3.4.1 生存分析 | 第69-74页 |
| 3.4.2 Silhouette方法 | 第74-76页 |
| 3.4.3 聚类的统计显著性检验 | 第76-79页 |
| 3.5 本章小结 | 第79-81页 |
| 第四章 基于基因调控网络与表达谱数据的癌症亚型发现研究 | 第81-109页 |
| 4.1 研究方法概述 | 第81-83页 |
| 4.2 加权相似性网络融合算法 | 第83-92页 |
| 4.2.1 构建miRNA-TF-mRNA调控网络的数据库资源 | 第83-87页 |
| 4.2.2 特征权重的计算 | 第87-92页 |
| 4.2.3 加权相似性网络融合 | 第92页 |
| 4.3 算法实验及相关分析 | 第92-106页 |
| 4.3.1 实验数据集 | 第92-95页 |
| 4.3.2 基于BRCA和GBM数据集的miRNA-TF-mRNA调控网络的构建 | 第95-96页 |
| 4.3.3 WSNF方法癌症亚型识别结果 | 第96-97页 |
| 4.3.4 不同癌症亚型识别方法比较 | 第97-99页 |
| 4.3.5 乳腺癌亚型的癌症相关特征分析 | 第99-106页 |
| 4.4 本章小结 | 第106-109页 |
| 第五章 总结与展望 | 第109-113页 |
| 5.1 本文论文内容总结 | 第109-110页 |
| 5.2 研究展望 | 第110-113页 |
| 参考文献 | 第113-123页 |
| 致谢 | 第123-125页 |
| 在读期间发表的学术论文与取得的研究成果 | 第125-126页 |
