| 提要 | 第4-5页 |
| 摘要 | 第5-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 研究意义 | 第16-17页 |
| 1.3 国内外研究动态 | 第17-19页 |
| 1.4 本文的研究内容 | 第19-20页 |
| 1.5 本文的组织结构 | 第20-22页 |
| 第2章 基于生物网络机理研究中图论及相关背景知识介绍 | 第22-34页 |
| 2.1 必需蛋白预测相关研究 | 第22-27页 |
| 2.1.1 点度(degree) | 第22-23页 |
| 2.1.2 边聚类系数(edgeclusteringcoefficient) | 第23-24页 |
| 2.1.3 皮尔森相关系数(Pearsoncorrelationcoeficient) | 第24页 |
| 2.1.4 基因本体语义相似性(Geneontologysemanticsimilarity) | 第24-25页 |
| 2.1.5 蛋白结构域连接强度(domaininteractionstrength) | 第25页 |
| 2.1.6 系统发生谱相似性(phylogeneticprofilesimilarity) | 第25-26页 |
| 2.1.7 NC算法 | 第26页 |
| 2.1.8 PeC算法 | 第26-27页 |
| 2.2 活跃信号通路相关研究 | 第27-34页 |
| 2.2.1 动态规划算法 | 第27页 |
| 2.2.2 Dijkstra最短路径算法 | 第27-28页 |
| 2.2.3 奖励收集斯坦纳最小树(Prize-collectingSteinertree) | 第28-29页 |
| 2.2.4 SteinerNet算法 | 第29-30页 |
| 2.2.5 ResponsNet算法 | 第30-31页 |
| 2.2.6 SDREM算法 | 第31-32页 |
| 2.2.7 PNM算法 | 第32-34页 |
| 第3章 基于边排序的必需蛋白预测算法 | 第34-54页 |
| 3.1 IEW算法流程 | 第34-35页 |
| 3.2 数据来源 | 第35-38页 |
| 3.2.1 蛋白质相互作用网络 | 第35-36页 |
| 3.2.2 基因转录组表达数据 | 第36页 |
| 3.2.3 基因本体信息 | 第36-37页 |
| 3.2.4 蛋白结构域数据 | 第37页 |
| 3.2.5 系统发生谱数据 | 第37页 |
| 3.2.6 必需蛋白列表 | 第37-38页 |
| 3.3 基于不同特征的分子关系评估 | 第38-40页 |
| 3.4 必需连接与必需蛋白的预测 | 第40-42页 |
| 3.5 预测结果的验证与分析 | 第42-52页 |
| 3.5.1 验证标准 | 第42-43页 |
| 3.5.2 在模式生物数据集上的算法比较 | 第43-47页 |
| 3.5.3 鲁棒性分析 | 第47-50页 |
| 3.5.4 富集分析 | 第50-52页 |
| 3.6 小结 | 第52-54页 |
| 第4章 基于知识的信号通路识别与假设生成模型 | 第54-74页 |
| 4.1 IMPRES算法介绍 | 第54-63页 |
| 4.1.1 构建背景网络 | 第55-57页 |
| 4.1.2 基于多组学数据的惩罚值计算 | 第57-58页 |
| 4.1.3 起始基因与目标基因的定义 | 第58-59页 |
| 4.1.4 基于最短路径算法的最小参与代价计算 | 第59-61页 |
| 4.1.5 识别活跃信号通路 | 第61-63页 |
| 4.2 算法评估与比较 | 第63-69页 |
| 4.2.1 酵母细胞壁损伤应激反应数据集上的算法应用 | 第63-66页 |
| 4.2.2 酵母高渗透压应激反应数据集上算法应用 | 第66-69页 |
| 4.3 IMPRES算法在人类肺癌数据集上的案例研究 | 第69-72页 |
| 4.4 小结 | 第72-74页 |
| 第5章 活跃信号通路可视化在线平台 | 第74-84页 |
| 5.1 用户需求 | 第74-75页 |
| 5.2 系统设计 | 第75-81页 |
| 5.3 技术细节 | 第81-83页 |
| 5.4 小结 | 第83-84页 |
| 第6章 结论与展望 | 第84-88页 |
| 6.1 结论 | 第84-85页 |
| 6.2 展望 | 第85-88页 |
| 参考文献 | 第88-96页 |
| 作者简介及在学期间所取得的科研成果 | 第96-98页 |
| 致谢 | 第98-99页 |
