声明
摘要
前言
1.材料
1.1 数据信息介绍
1.2 数据基本特点
1.3 软件使用
2.2 下载数据文件格式转变处理
2.3 序列信息与参考基因组比对
2.4 获得CpG位点的甲基化信息
2.5 消除相近CpG位点甲基化状态的影响
2.6 使用统计学方法初步筛选甲基化差异性位点
2.7 特异性位点的分布及进一步筛选
2.8 深度神经网络模型的构建
2.9 生成模拟数据及模型性能评估
2.10 与现有模型及方法比较
结果
1.肿瘤基因组整体甲基化状态展示图(Illumina 450K,WGBS)
2.去除CpG位点突变影响
3.高斯函数去除相近CpG位点甲基化影响效果图
4.WGBS与 Illumina 450K数据相关性较高
5.特征性位点展示图
6.深度神经网络模型最优参数确定
7.DNN模型概念图
8.TTR_DNN与 ETP_DNN的模型性能
9.与其他模型准确性相比结果占优
讨论
结论
参考文献
综述 肿瘤DNA甲基化与深度学习
攻读学位期间发表论文情况
致谢
大连医科大学;