摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章. 绪论 | 第11-25页 |
1.1 生物信息学与疾病机理分析 | 第11-15页 |
1.2 生物海量数据挖掘与机器学习方法 | 第15-20页 |
1.2.1 生物数据预处理 | 第15-16页 |
1.2.2 生物海量数据降维处理 | 第16-19页 |
1.2.3 统计机器学习方法 | 第19-20页 |
1.3 系统生物学之系统动力建模 | 第20-22页 |
1.3.1 生物调控网络的建模 | 第20-22页 |
1.3.2 系统动力学分析 | 第22页 |
1.4 课题研究目的与研究内容 | 第22-25页 |
第二章. 改进的疾病元基因组数据特征组合与提取降维算法 | 第25-47页 |
2.1 课题背景 | 第25-26页 |
2.2 问题提出 | 第26-28页 |
2.3 数据来源以及预处理 | 第28-29页 |
2.4 算法设计 | 第29-33页 |
2.5 算法应用 | 第33-45页 |
2.5.1 肺炎数据分类效果 | 第33-37页 |
2.5.2 肺炎数据分类结果分析与讨论 | 第37-44页 |
2.5.3 龋齿数据分类效果 | 第44-45页 |
2.6 本章小结 | 第45-47页 |
第三章. 白血病小鼠正常造血干细胞细胞周期系统建模 | 第47-70页 |
3.1 引言 | 第47-52页 |
3.1.1 细胞周期背景 | 第47-50页 |
3.1.2 生物实验数据来源 | 第50页 |
3.1.3 白血病小鼠干细胞基因Maff与Egr3差异表达 | 第50-52页 |
3.2 动力学定量模型建立 | 第52-57页 |
3.3 分子调控模型验证 | 第57-58页 |
3.4 动力学模拟与分析 | 第58-68页 |
3.4.1 Egr3强烈抑制细胞周期 | 第59-61页 |
3.4.2 Maff促进细胞周期的能力受Egr3约束 | 第61-66页 |
3.4.3 对照模型模拟结果 | 第66-68页 |
3.5 高表达Maff,Egr3与造血干细胞细胞周期的分子机制讨论 | 第68-69页 |
3.6 本章小结 | 第69-70页 |
第四章. 脂肪细胞分化转录调控网络系统建模与分析 | 第70-96页 |
4.1 脂肪细胞分化课题背景及研究现状 | 第70-72页 |
4.2 问题提出 | 第72-73页 |
4.3 实验数据来源及标准化预处理 | 第73-74页 |
4.4 算法设计 | 第74-77页 |
4.5 算法验证 | 第77-80页 |
4.6 调控网络优化 | 第80-85页 |
4.7 调控网络动力学分析及比较 | 第85-89页 |
4.8 人类与小鼠网络间比较及进化分析 | 第89-94页 |
4.8.1 调控网络参数比较 | 第89-90页 |
4.8.2 网络内转录调控强度差异比较 | 第90-93页 |
4.8.3 网络间转录调控相对分布差异比较 | 第93页 |
4.8.4 网络间细胞形态转换转录调控相对分布变化差异比较 | 第93-94页 |
4.9 本章小结 | 第94-96页 |
第五章. 课题总结与展望 | 第96-99页 |
5.1 全文总结 | 第96-97页 |
5.2 研究展望 | 第97-99页 |
参考文献 | 第99-108页 |
附录一. 白血病小鼠体内正常造血干细胞细胞周期调控网络常微分方程组 | 第108-110页 |
附录二. 白血病小鼠体内正常造血干细胞细胞周期调控网络参数列表 | 第110-112页 |
附录三. 脂肪细胞分化网络常微分方程组 | 第112-114页 |
附录四. 脂肪细胞分化网络参数列表 | 第114-117页 |
攻读博士学位期间已完成的论文 | 第117-118页 |
致谢 | 第118页 |