| 摘要 | 第1-9页 |
| Abstract | 第9-13页 |
| 缩略词表 | 第13-14页 |
| 第一章 生物信息学在人类疾病研究中的应用 | 第14-30页 |
| ·疾病的发生源于生命系统的异常 | 第14-21页 |
| ·疾病相关基因 | 第15-16页 |
| ·基因调控网络 | 第16-18页 |
| ·复杂生物学通路 | 第18-20页 |
| ·蛋白质相互作用网络 | 第20-21页 |
| ·利用组学数据探究疾病机制和发展疾病诊断方法 | 第21-25页 |
| ·组学数据进行疾病相关研究的优势 | 第21-24页 |
| ·疾病相关组学信息学研究中存在的问题 | 第24-25页 |
| ·本文组织结构 | 第25-27页 |
| ·研究策略 | 第25-26页 |
| ·研究内容 | 第26-27页 |
| ·本文的创新性 | 第27页 |
| 参考文献 | 第27-30页 |
| 第二章 利用数据降维算法挖掘基因表达特征用于预测基因调控关系 | 第30-50页 |
| ·引言 | 第30-34页 |
| ·基因芯片数据 | 第30-31页 |
| ·现有的各种基因调控关系挖掘方法和存在的问题 | 第31-33页 |
| ·本研究工作的体系和流程 | 第33-34页 |
| ·研究方法 | 第34-38页 |
| ·数据降维算法 | 第35-36页 |
| ·分类器 | 第36-38页 |
| ·预测效果评价参数和ROC 曲线 | 第38页 |
| ·数据集 | 第38-40页 |
| ·调控关系数据集 | 第39页 |
| ·基因芯片数据集 | 第39-40页 |
| ·结果与讨论 | 第40-46页 |
| ·表达特征个数选择及皮尔森相关系数的影响 | 第40-42页 |
| ·NMF 和PCA 的预测效果比较 | 第42-43页 |
| ·PCA 联合PCC 与现有算法的比较 | 第43-45页 |
| ·不同SVM 核函数的预测效果对比 | 第45-46页 |
| ·小结 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 第三章 利用非负矩阵分解策略鉴定疾病相关通路 | 第50-78页 |
| ·引言 | 第50-54页 |
| ·鉴定疾病相关通路的常用方法及缺陷 | 第50-53页 |
| ·本章研究思路 | 第53-54页 |
| ·数据集及相关处理 | 第54-59页 |
| ·基因芯片数据集 | 第54-55页 |
| ·通路数据集 | 第55-56页 |
| ·数据处理及整合 | 第56-59页 |
| ·研究方法 | 第59-67页 |
| ·非负矩阵分解分析策略 | 第59-65页 |
| ·双样本t 检验 | 第65-67页 |
| ·结果与讨论 | 第67-74页 |
| ·鉴定吸烟相关的生物学通路及重要基因 | 第67-70页 |
| ·鉴定Ⅱ型糖尿病相关的生物学通路及重要基因 | 第70-73页 |
| ·与同类方法对比 | 第73-74页 |
| ·小结 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 第四章 利用网络传播算法鉴定疾病相关蛋白质相互作用子网并进行疾病预后预测 | 第78-94页 |
| ·背景知识 | 第78-81页 |
| ·目前用于疾病预后预测的生物信息学策略 | 第79-80页 |
| ·本研究的技术路线 | 第80-81页 |
| ·数据集材料 | 第81-83页 |
| ·乳腺癌相关基因 | 第82页 |
| ·蛋白质相互作用网络数据 | 第82页 |
| ·乳腺癌基因芯片数据 | 第82-83页 |
| ·疾病表型数据集 | 第83页 |
| ·研究方法 | 第83-85页 |
| ·网络传播算法——随机行走算法 | 第84页 |
| ·支持向量机（SVM）分类器 | 第84-85页 |
| ·结果与讨论 | 第85-90页 |
| ·测试随机行走策略鉴定疾病表型相关基因 | 第85-86页 |
| ·随机行走策略鉴定乳腺癌相关蛋白质相互作用子网 | 第86页 |
| ·随机行走策略预测乳腺癌转移 | 第86-90页 |
| ·小结 | 第90-91页 |
| 参考文献 | 第91-94页 |
| 总结与展望 | 第94-100页 |
| 参考文献 | 第97-100页 |
| 综述及论文全文 | 第100-146页 |
| 参考文献 | 第114-146页 |
| 个人简历 | 第146-148页 |
| 致谢 | 第148-149页 |