| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景及意义 | 第10-18页 |
| 1.1.1 生物标志物的定义 | 第10-11页 |
| 1.1.2 癌症生物标志物的研究背景 | 第11-14页 |
| 1.1.3 疾病相关组学研究背景 | 第14-17页 |
| 1.1.4 课题意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 癌症生物标志物的研究现状 | 第18-19页 |
| 1.2.2 癌症标志物在现阶段临床诊断中的缺点 | 第19-20页 |
| 1.3 本文研究的具体工作内容 | 第20页 |
| 1.4 章节安排 | 第20-22页 |
| 第二章 多组学数据的获取与处理 | 第22-30页 |
| 2.1 数据的获取 | 第22-24页 |
| 2.1.1 TCGA数据库描述 | 第22页 |
| 2.1.2 GEO数据库描述 | 第22-23页 |
| 2.1.3 数据描述 | 第23-24页 |
| 2.2 数据的预处理 | 第24-27页 |
| 2.2.1 缺失值填补 | 第24-25页 |
| 2.2.2 数据标准化 | 第25-26页 |
| 2.2.3 样本不平衡处理 | 第26-27页 |
| 2.2.4 批次效应处理 | 第27页 |
| 2.3 基因表达数据与DNA甲基化数据的处理 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第三章 多组学数据的整合算法 | 第30-43页 |
| 3.1 研究概述 | 第30-31页 |
| 3.2 DNA甲基化数据的扩展 | 第31-33页 |
| 3.3 特征选择算法 | 第33-37页 |
| 3.3.1 过滤法 | 第34-35页 |
| 3.3.2 包装法 | 第35-36页 |
| 3.3.3 嵌入法 | 第36-37页 |
| 3.4 基因表达数据的特征选择 | 第37-39页 |
| 3.4.1 Elastic Net特征选择算法原理 | 第37-38页 |
| 3.4.2 Elastic Net特征选择步骤 | 第38-39页 |
| 3.5 DNA甲基化数据的特征选择 | 第39-41页 |
| 3.5.1 t假设检验原理 | 第39页 |
| 3.5.2 t假设检验步骤 | 第39-41页 |
| 3.6 基因表达数据与DNA甲基化数据的融合 | 第41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 分类器设计及分类性能 | 第43-67页 |
| 4.1 分类器的设计 | 第43-48页 |
| 4.1.1 分类方法对比 | 第44-46页 |
| 4.1.2 分类器设计 | 第46-48页 |
| 4.2 分类性能评价 | 第48-57页 |
| 4.2.1 分类性能指标 | 第48-50页 |
| 4.2.2 分类性能 | 第50-57页 |
| 4.3 结果分析 | 第57-65页 |
| 4.3.1 癌症生物标志物的识别与分析 | 第57-63页 |
| 4.3.2 模糊规则的分类器得到的规则 | 第63-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67页 |
| 5.2 后续工作展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 附录 | 第78-82页 |
| 攻读硕士学位期间取得的成果 | 第82页 |