| 论文的创新点 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 图表索引 | 第17-20页 |
| 第1章 绪论 | 第20-31页 |
| 1.1 引言 | 第20-22页 |
| 1.2 研究背景 | 第22-26页 |
| 1.3 主要研究内容 | 第26-29页 |
| 1.4 论文组织结构 | 第29-31页 |
| 第2章 基因调控网络 | 第31-49页 |
| 2.1 基因调控网络的不同类型 | 第31-34页 |
| 2.1.1 蛋白质与蛋白质相互作用网络 | 第31-32页 |
| 2.1.2 基因的转录网络 | 第32页 |
| 2.1.3 miRNA调控网络 | 第32-33页 |
| 2.1.4 代谢信号网络 | 第33-34页 |
| 2.2 基因调控网络的分析方法 | 第34-39页 |
| 2.2.1 基于调控元件建立的基因调控网络 | 第35-36页 |
| 2.2.2 基于Motif建立的基因调控网络 | 第36-37页 |
| 2.2.3 基于模块建立的基因调控网络 | 第37-39页 |
| 2.3 转录调控网络在生物医疗中的应用 | 第39-48页 |
| 2.3.1 基于临床研究的临床相关的生物标志物的确定 | 第41页 |
| 2.3.2 基于量化和测试模型,预测病人对药物响应的生物标志物 | 第41-42页 |
| 2.3.3 基于基因表达模式定义药物作用扰动模式方法 | 第42-48页 |
| 2.4 本章小结 | 第48-49页 |
| 第3章 基于miRNA与其靶标网络的药物筛选 | 第49-74页 |
| 3.1 miRNA及其调控机制的相关研究 | 第49-52页 |
| 3.1.1 简介miRNA及其作用机制 | 第49-50页 |
| 3.1.2 现有的miRNA数据库分类与收集 | 第50-51页 |
| 3.1.3 miRNA功能及其在医疗应用中的研究现状 | 第51-52页 |
| 3.2 疾病-药物模式分析的相关数据收集和预处理 | 第52页 |
| 3.2.1 疾病数据来源 | 第52页 |
| 3.2.2 药物数据来源 | 第52页 |
| 3.3 基于miRNA与靶标的相互作用提取特征 | 第52-57页 |
| 3.3.1 研究特征构造的原理背景 | 第52-54页 |
| 3.3.2 miRNA调控网络的特征构造方法 | 第54-56页 |
| 3.3.3 超几何分布识别有调控功能的miRNA-GO对 | 第56页 |
| 3.3.4 T检验计算特征值 | 第56页 |
| 3.3.5 特征值的分布 | 第56-57页 |
| 3.4 基于miRNA调控特征构造网络 | 第57-61页 |
| 3.4.1 乳腺癌的miRNA调控网络 | 第57-58页 |
| 3.4.2 网络分析中的拓扑测度 | 第58-59页 |
| 3.4.3 紫杉醇药物作用下的MiRNA调控网络对照 | 第59-61页 |
| 3.5 基于miRNA调控网络的药物筛选方法研究及性能比较 | 第61-72页 |
| 3.5.1 药物筛选模型框架建立 | 第61-64页 |
| 3.5.2 药物筛选实现方法描述 | 第64-68页 |
| 3.5.3 不同的miRNA数据库对方法的鲁棒性比较 | 第68页 |
| 3.5.4 与CMAP项目的药物筛选方法比较 | 第68-70页 |
| 3.5.5 与基因表达为特征的药物筛选方法比较 | 第70-72页 |
| 3.6 本章小结 | 第72-74页 |
| 第4章 基于基因调控网络的模块化研究 | 第74-101页 |
| 4.1 基因调控网络的模块化研究背景 | 第74-76页 |
| 4.2 基于EM的概率模型识别生物序列的特征Motif | 第76-84页 |
| 4.2.1 在微生物中各种族细菌的雌激素降解能力 | 第77-78页 |
| 4.2.2 在微生物中生物序列Motif的作用 | 第78页 |
| 4.2.3 生物序列Motif的搜索算法 | 第78页 |
| 4.2.4 基因序列数据准备 | 第78-79页 |
| 4.2.5 特征Motif的识别与选择方法 | 第79-82页 |
| 4.2.6 ADT决策树发现微生物降解能力和雌激素之间的Motif的关联规则 | 第82-83页 |
| 4.2.7 结论 | 第83-84页 |
| 4.3 基于多源基因功能注释的基因模块的构造 | 第84-89页 |
| 4.3.1 基本思路 | 第84-85页 |
| 4.3.2 基于基因功能注释而定义的基因模块 | 第85-86页 |
| 4.3.3 基于蛋白质-蛋白质相互作用网络定义的模块 | 第86-87页 |
| 4.3.4 基于代谢网络定义的模块 | 第87页 |
| 4.3.5 基于miRNA调控关系定义的靶基因模块 | 第87-88页 |
| 4.3.6 基于药物敏感数据定义的模块 | 第88-89页 |
| 4.4 基于基因模块化分析的药物筛选方法研究 | 第89-99页 |
| 4.4.1 基于模块化分析的药物筛选原理和方法 | 第89-90页 |
| 4.4.2 癌症预后研究的模块化分析算法 | 第90-91页 |
| 4.4.3 药物筛选流程框架和相关数据收集 | 第91-92页 |
| 4.4.4 基因模块富集分析 | 第92-93页 |
| 4.4.5 “药物-基因模块-疾病”网络的建立 | 第93-94页 |
| 4.4.6 识别药物的和选择预后PGM的参数确定 | 第94-95页 |
| 4.4.7 方法实现和性能比较 | 第95-99页 |
| 4.5 本章小结 | 第99-101页 |
| 第5章 病人响应预测算法研究 | 第101-121页 |
| 5.1 识别药物响应的标志物的背景和方法 | 第101-103页 |
| 5.2 数据收集 | 第103-104页 |
| 5.2.1 疾病数据 | 第103页 |
| 5.2.2 多种定义下的基因模块 | 第103页 |
| 5.2.3 药物信息 | 第103-104页 |
| 5.3 CoMi模式特征的定义和提取 | 第104-105页 |
| 5.4 基于CoMi活性特征的网络构建 | 第105-114页 |
| 5.4.1 构建乳腺癌相关的Comi活性网络 | 第105页 |
| 5.4.2 网络分析中的拓扑测度 | 第105-108页 |
| 5.4.3 无尺度网络 | 第108页 |
| 5.4.4 针对乳腺癌的药物筛选算法设计 | 第108-112页 |
| 5.4.5 参数优化策略 | 第112-114页 |
| 5.5 基于CoMi指数的药物响应标记物的预测方法 | 第114-118页 |
| 5.5.1 预测药物响应的CoMi标记物的特性 | 第116-118页 |
| 5.5.2 CoMi标记物与meta基因的关联分析 | 第118页 |
| 5.6 药物响应CoMi标记物与药物筛选CoMi的相关性 | 第118-119页 |
| 5.7 本章小结 | 第119-121页 |
| 第6章 总结与展望 | 第121-124页 |
| 6.1 总结 | 第121-123页 |
| 6.2 展望 | 第123-124页 |
| 参考文献 | 第124-135页 |
| 附录 攻读学位期间发表学术论文参加项目 | 第135-137页 |
| 致谢 | 第137页 |
