| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第10-22页 |
| 1.1 课题的研究背景 | 第10-15页 |
| 1.1.1 前列腺癌研究背景及意义 | 第10-11页 |
| 1.1.2 复杂疾病的研究方法 | 第11-12页 |
| 1.1.3 蛋白质相互作用网络研究背景 | 第12-13页 |
| 1.1.4 基因微阵列数据分析 | 第13-14页 |
| 1.1.5 关于多组学数据分析 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 蛋白质相互作用网络分析方法在癌症数据分析中的应用 | 第16-17页 |
| 1.2.2 多组学数据分析方法在数据分析中的应用 | 第17-18页 |
| 1.3 本文的研究 | 第18-19页 |
| 1.3.1 利用蛋白质网络分析方法识别前列腺癌的相关网络标记物 | 第18-19页 |
| 1.3.2 基于本地的系统生物学多组学数据分析工具 | 第19页 |
| 1.4 本课题的研究目的及意义 | 第19-20页 |
| 1.5 本文的组织结构 | 第20-22页 |
| 第2章 前列腺癌蛋白质交互网络和多组学数据收集 | 第22-31页 |
| 2.1 人类前列腺癌蛋白质交互网络的构建和功能注释 | 第22-26页 |
| 2.1.1 构建人类前列腺癌蛋白质交互网络 | 第22-24页 |
| 2.1.2 人类前列腺癌蛋白质交互网络（HPC-PPIN）的功能注释 | 第24-26页 |
| 2.2 前列腺癌基因表达数据收集和分析 | 第26-28页 |
| 2.3 不同的前列腺癌基因表达数据在基因层次和通路层次覆盖度分析 | 第28页 |
| 2.4 用于模块标记物验证的相关数据库 | 第28-29页 |
| 2.5 多组学数据收集 | 第29-31页 |
| 第3章 基于模块分析的方法寻找前列腺癌癌变过程中网络标记物 | 第31-47页 |
| 3.1 网络分析方法工作流程 | 第31-33页 |
| 3.2 模块分析方法 | 第33-39页 |
| 3.3 最终的网络标记物 | 第39-41页 |
| 3.4 网络标记物的生物通路分析 | 第41-45页 |
| 3.5 潜在新的转录因子 | 第45-47页 |
| 第4章 网络标记物的识别及认证 | 第47-53页 |
| 4.1 将识别的前列腺癌相关基因作为模块标记物 | 第47-48页 |
| 4.2 识别的前列腺癌相关的模块标记物的统计学验证 | 第48-50页 |
| 4.2.1 基于超几何分布的统计学验证 | 第49页 |
| 4.2.2 基于随机概率的统计学验证 | 第49-50页 |
| 4.3 统计结果与探索性发现 | 第50-51页 |
| 4.4 探索性发现 | 第51-53页 |
| 第5章 多组学数据分析方法及软件 IOA | 第53-74页 |
| 5.1 芯片数据的异质性 | 第53-54页 |
| 5.2 在多组学系统层次上寻找前列腺癌相关的调控通路 | 第54页 |
| 5.3 IOA 开发背景 | 第54-57页 |
| 5.4 多组学三种类型数据搜集 | 第57-59页 |
| 5.5 挑选差异算法整合和最佳算法选择 | 第59-61页 |
| 5.6 通路富集分析 | 第61-63页 |
| 5.7 多数据分析流程 | 第63-71页 |
| 5.7.1 mRNA 层次基因表达数据分析 | 第63-66页 |
| 5.7.2 microRNA 层次芯片数据分析 | 第66-69页 |
| 5.7.3 运用 ChIP-seq 数据进行交叉验证 | 第69-71页 |
| 5.8 多数据结果整合分析流程 | 第71-74页 |
| 第6章 结论与展望 | 第74-76页 |
| 参考文献 | 第76-84页 |
| 附录一 | 第84-86页 |
| 附录二 | 第86-90页 |
| 附录三 | 第90-100页 |
| 附录四 | 第100-103页 |
| 附录五 | 第103-105页 |
| 附录六 | 第105-106页 |
| 附录七 | 第106-108页 |
| 攻读硕士学位期间公开发表的论文 | 第108-109页 |
| 致谢 | 第109-110页 |
