声明
致谢
摘要
1 引言
1.1 研究背景及意义
1.2 研究现状
1.3 主要研究内容
1.4 本文结构安排
2 微阵列数据及预处理
2.1 微阵列数据
2.2 微阵列数据的特点
2.3 微阵列数据在肿瘤研究中的作用
2.4 预处理
2.4.1 Bioconductor功能包
2.4.2 归一化(Normalization)
2.5 本章小结
3 主分成分析及数据筛选
3.1 微阵列数据的统计学筛选方法
3.2 微阵列数据的主成分分析方法
3.2.1 PCA的基本思想
3.2.2 阈值的确定
3.3 数据筛选
3.4 本章小结
4 模块网络及受限玻尔兹曼机学习驱动基因集
4.1 模块网络
4.1.1 贝叶斯网络(Bayesian Network)
4.1.2 模块网络及构建方法
4.1.3 P函数
4.2 受限玻尔兹曼机
4.2.1 生物分子网络的分析方法
4.2.2 受限玻尔兹曼机及训练方法
4.3 本章小结
5 驱动基因预测实验
5.1 实验数据简介
5.2.1 模型基本流程
5.2.2 数据预处理及筛选
5.2.3 P函数对划分块打分及受限玻尔兹曼机建模
5.3 实验结果分析与验证
5.4 本章小结
6.1 总结
6.2 今后的工作研究与展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集