| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 第一章 绪言 | 第16-26页 |
| ·引言 | 第16-17页 |
| ·研究背景 | 第17-19页 |
| ·基因芯片表达数据预处理技术的相关研究 | 第17页 |
| ·基因芯片在肿瘤诊断和分类分型研究中的相关问题 | 第17-18页 |
| ·基因表达调控网络建模技术的相关研究 | 第18-19页 |
| ·论文的主要工作与创新 | 第19-24页 |
| ·论文的结构 | 第24-26页 |
| 第二章 基因芯片 | 第26-34页 |
| ·基因与基因表达 | 第26-27页 |
| ·基因芯片的基本原理和制备技术 | 第27-29页 |
| ·基因芯片制备技术 | 第28-29页 |
| ·基因芯片实验基本流程 | 第29-30页 |
| ·基因芯片表达数据分析的流程 | 第30-32页 |
| ·基因芯片的网络数据资源 | 第32-34页 |
| 第三章 寡核苷酸芯片系统偏移的校正处理分析 | 第34-50页 |
| ·基因芯片表达数据误差来源分析 | 第34-36页 |
| ·寡核苷酸芯片数据预处理的基本过程 | 第36-38页 |
| ·系统偏移的校正方法 | 第38-43页 |
| ·问题描述 | 第39-40页 |
| ·系统校正方法 | 第40-41页 |
| ·迭代的鲁棒基准芯片校正方法(IRB Normalization) | 第41-43页 |
| ·实验分析 | 第43-48页 |
| ·实验数据 | 第43-45页 |
| ·非校验转录产物比较分析 | 第45-46页 |
| ·校验转录产物表达值分析 | 第46-47页 |
| ·显著性差异表达转录产物的检测 | 第47-48页 |
| ·本章小节 | 第48-50页 |
| 第四章 基因芯片表达数据缺失值估计分析 | 第50-64页 |
| ·数据缺失产生的基本原因和对后续分析的影响 | 第50-52页 |
| ·数据缺失产生的基本原因 | 第50-52页 |
| ·对后续分析的影响 | 第52页 |
| ·缺失值估计的基本方法 | 第52-60页 |
| ·问题描述 | 第52-53页 |
| ·基于全局估计的方法 | 第53-56页 |
| ·基于基因选择的局部估计方法 | 第56-57页 |
| ·基于加权回归估计的插值法(WRimpute) | 第57-60页 |
| ·缺失值估计算法实验分析 | 第60-63页 |
| ·数据和评估方法 | 第60-61页 |
| ·对比结果 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 肿瘤基因芯片表达数据分类诊断分析 | 第64-80页 |
| ·肿瘤基因芯片表达数据分类诊断 | 第64-65页 |
| ·支持向量机 | 第65-70页 |
| ·最优分类面 | 第65-67页 |
| ·广义最优分类面 | 第67-68页 |
| ·核函数 | 第68-69页 |
| ·支持向量机泛化能力的估计 | 第69-70页 |
| ·肿瘤基因芯片表达数据分类诊断算法 | 第70-74页 |
| ·基因预选择算法 | 第70-71页 |
| ·基于免疫优化的支持向量分类诊断算法 | 第71-72页 |
| ·基于相关向量机的分类诊断算法 | 第72-74页 |
| ·实验分析 | 第74-78页 |
| ·肿瘤基因芯片表达数据 | 第74-75页 |
| ·预选择基因集性能分析 | 第75-76页 |
| ·不同分类算法的比较分析 | 第76-77页 |
| ·分类相关基因的生物学意义 | 第77-78页 |
| ·本章小结 | 第78-80页 |
| 第六章 肿瘤基因芯片表达数据的分型识别分析 | 第80-98页 |
| ·基因芯片在肿瘤分型识别中的应用 | 第80-81页 |
| ·肿瘤分型识别方法 | 第81-84页 |
| ·层次聚类法 | 第81页 |
| ·K均值(K-means)聚类 | 第81-82页 |
| ·自组织映射 | 第82-83页 |
| ·贝叶斯分型识别算法 | 第83-84页 |
| ·基于支持向量聚类的分型识别算法 | 第84-92页 |
| ·支持向量训练 | 第85-86页 |
| ·聚类标示 | 第86-90页 |
| ·参数序列的自动生成 | 第90-92页 |
| ·实验分析 | 第92-96页 |
| ·数据 | 第92-93页 |
| ·对白血病数据的分型识别分析 | 第93-94页 |
| ·对DBLCL数据的分型识别分析 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第七章 基因表达调控网络建模分析 | 第98-118页 |
| ·基因表达调控网络建模的生物学基础 | 第98-100页 |
| ·基因表达调控网络的基本特点 | 第99-100页 |
| ·基因表达调控网络建模基本策略和方法 | 第100-104页 |
| ·基因表达调控网络建模的基本策略 | 第100-101页 |
| ·反向技术中的相关模型 | 第101-104页 |
| ·基于相关性聚类分解的状态空间调控网络建模 | 第104-109页 |
| ·状态空间模型(线性动态系统) | 第104-107页 |
| ·基因表达调控网络的状态空间模型 | 第107-108页 |
| ·相关性聚类分解 | 第108-109页 |
| ·T细胞时间序列基因表达数据建模分析 | 第109-117页 |
| ·数据描述 | 第109-111页 |
| ·状态变量对模型的影响分析 | 第111-113页 |
| ·网络模型动力学行为重构分析 | 第113-115页 |
| ·稀疏网络模型的构建 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第八章 结束语 | 第118-122页 |
| ·总结 | 第118-120页 |
| ·未来工作展望 | 第120-122页 |
| 致谢 | 第122-124页 |
| 参考文献 | 第124-134页 |
| 作者在学期间取得的学术成果 | 第134页 |