声明
1 绪论
1.1 研究背景及意义
1.1.1 癌症与精准医疗
1.1.2 抗癌药物筛选的研究与发展
1.1.3 研究意义
1.2 研究现状及分析
1.2.1 几大药物基因组学数据库
1.2.2 抗癌药物反应预测的研究现状
1.2.3 高维数据特征筛选问题的研究现状
1.3 研究内容及本文结构
2 药物基因组学数据描述及可视化
2.1 抗癌药物反应值
2.2 癌细胞系基因组数据
2.3 相关性分析
2.4 本章小结
3 基于基因表达数据的特征选择
3.1 高维数据的评价筛选
3.1.1 基于Pearson相关系数的假设检验
3.1.2 SIRS算法
3.2 惩罚最小二乘估计与变量选择
3.2.1 最小二乘法
3.2.2 LASSO算法
3.2.3Elastic Net算法
3.2.4 SCAD算法
3.3 特征选择结果
3.4 本章小结
4 抗癌药物反应预测的回归模型
4.1 交叉验证与模型的性能度量
4.2 惩罚回归模型构建
4.3 CCLE数据的模型预测结果
4.3.1 相关系数结果对比
4.3.2 基于不同特征选择方法的回归算法模型结果对比
4.4基于SIRS_Elastic Net算法的肺部癌细胞系的药物反应预测
4.4.1 抗癌药物反应预测模型结果
4.4.2 基因富集分析
4.5 本章小结
结论与展望
参 考 文 献
致谢
大连理工大学学位论文版权使用授权书