摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第11-28页 |
第一节 基因芯片平台 | 第12-13页 |
第二节 基因表达谱公共数据库与数据获取 | 第13-15页 |
2.1 美国癌症基因组图谱(The Cancer Genome Atlas,TCGA)计划 | 第13-14页 |
2.2 美国国家生物技术信息中心的Gene Expression Omnibus (GEO) | 第14页 |
2.3 欧洲生物信息学研究所(EBI)的ArrayExpress | 第14-15页 |
2.4 其它公共的基因表达数据的仓库 | 第15页 |
第三节 基于基因表达谱的结直肠癌的判别与分型的相关算法研究现状 | 第15-23页 |
3.1 不平衡数据集的分类算法 | 第16-17页 |
3.2 特征选择算法 | 第17-19页 |
3.3 高维数据的降维与降噪算法 | 第19-21页 |
3.4 层次聚类算法 | 第21-23页 |
第四节 基于基因表达谱的结直肠癌的判别的研究现状 | 第23-24页 |
第五节 基于基因表达谱的结直肠癌的分型的研究现状 | 第24-26页 |
第六节 本文的组织结构 | 第26-28页 |
第二章 基于基因表达谱的结直肠癌的判别与分型的相关算法 | 第28-70页 |
第一节 不平衡数据集的分类算法 | 第29-38页 |
1.1 RUSBoost算法 | 第29-31页 |
1.2 RUSBoost.M2算法 | 第31-32页 |
1.3 RUSBoost.M2中的弱分类器 | 第32-38页 |
第二节 特征选择算法 | 第38-49页 |
2.1 差分进化算法 | 第38-42页 |
2.2 DEFSw算法及其改进 | 第42-47页 |
2.3 DEFSw与DEFSw.wAcc及DEFSw.RUSBoost.M2.wAcc比较 | 第47-49页 |
第三节 基于拓扑嵌入图的层次聚类算法 | 第49-58页 |
3.1 平面极大过滤图 | 第49-50页 |
3.2 平面极大过滤图的结构 | 第50-52页 |
3.3 基于拓扑嵌入结构的层次信息聚类算法 | 第52-58页 |
第四节 贝叶斯鲁棒主成分分析 | 第58-68页 |
4.1 鲁棒主成分分析 | 第58-59页 |
4.2 贝叶斯层次模型 | 第59-61页 |
4.3 贝叶斯鲁棒主成分分析 | 第61-64页 |
4.4 改进的贝叶斯鲁棒主成分分析 | 第64-68页 |
本章小结 | 第68-70页 |
第三章 基于基因表达谱的结直肠癌的判别 | 第70-102页 |
第一节 材料和方法 | 第72-76页 |
1.1 所用的基因表达谱数据集 | 第72-73页 |
1.2 数据集的差异表达基因的选择 | 第73页 |
1.3 特征基因集的选择方法 | 第73-75页 |
1.4 对于已知生物标志物的辅助基因集的选择方法 | 第75页 |
1.5 文献挖掘方法 | 第75-76页 |
第二节 结果 | 第76-78页 |
2.1 只包含1个基因的判别基因集 | 第76-77页 |
2.2 已知的5个生物标志物的辅助基因集 | 第77-78页 |
2.3 包含2个基因的判别基因集 | 第78页 |
第三节 结论与讨论 | 第78-79页 |
本章小结 | 第79-81页 |
附表 | 第81-102页 |
第四章 基于基因表达谱的结肠癌的分型 | 第102-113页 |
第一节 材料和方法 | 第104-108页 |
1.1 所用的数据集 | 第104页 |
1.2 方法 | 第104-108页 |
第二节 结果 | 第108-111页 |
第三节 结论与讨论 | 第111-112页 |
本章小结 | 第112-113页 |
参考文献 | 第113-144页 |
攻读学位期间成果 | 第144-145页 |
致谢 | 第145-146页 |