论文目录 | |
提要 | 第1-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-13页 |
第1章 绪论 | 第13-19页 |
1.1 研究意义与研究背景 | 第13-15页 |
1.2 研究现状 | 第15-17页 |
1.3 研究思路与实验设计 | 第17-18页 |
1.4 论文整体结构安排 | 第18-19页 |
第2章 基于BOOTSTRAP SVM-RFE的VOLCANO PLOT特征选择算法与效果验证 | 第19-26页 |
2.1 用于基因表达数据分析的特征选择算法 | 第19-21页 |
2.1.1 volcano plot方法 | 第19-20页 |
2.1.2 其他用于特征选择的机器学习和统计方法 | 第20-21页 |
2.2 SVM-RFE特征选择算法 | 第21-22页 |
2.3 基于BOOTSTRAP SVM-RFE的改进VOLCANO PLOT特征选择算法 | 第22-25页 |
2.3.1 Bootstrap SVM-RFE算法 | 第22-23页 |
2.3.2 基于Bootstrap SVM-RFE的机器学习性质的度量 | 第23-24页 |
2.3.3 基于Bootstrap SVM-RFE的改进Volcano Plot特征选择算法 | 第24-25页 |
2.4 特征选择算法性能比较与MICROARRAY-QTL检验 | 第25-26页 |
第3章 基于水稻耐盐性基因表达数据的特征基因选择 | 第26-33页 |
3.1 水稻耐盐性研究的基因表达数据来源 | 第26-28页 |
3.2 基因表达谱数据预处理 | 第28页 |
3.3 使用改进的VOLCANO PLOT方法选择水稻耐盐基因集合 | 第28-29页 |
3.4 水稻耐盐性问题特征选择算法的性能比较 | 第29-31页 |
3.5 水稻耐盐性基因的GO富集分析验证 | 第31-33页 |
第4章 水稻耐盐性的系统生物学分析 | 第33-59页 |
4.1 系统生物学简介 | 第33-35页 |
4.1.1 基因上游区域调控motif发掘 | 第33页 |
4.1.2 基因共表达分析 | 第33-34页 |
4.1.3 网络分析 | 第34页 |
4.1.4 蛋白三维结构预测 | 第34-35页 |
4.2 水稻耐盐性的机理网络构建 | 第35-39页 |
4.2.1 水稻耐盐性机理网络的基本输入 | 第35页 |
4.2.2 构建水稻耐盐性机理网络 | 第35-39页 |
4.3 水稻耐盐性的机理网络的系统生物学分析 | 第39-59页 |
4.3.1 对水稻耐盐网络最大模块的分析 | 第39-50页 |
4.3.2 对水稻耐盐网络其他模块的分析 | 第50-59页 |
第5章 基于贝叶斯划分的高维相互作用挖掘算法 | 第59-74页 |
5.1 下一代测序数据中高维相互作用的机遇与挑战 | 第59-62页 |
5.1.1 高维相互作用的一般计算策略 | 第60-61页 |
5.1.2 高维相互作用发掘的主要挑战 | 第61-62页 |
5.2 基于贝叶斯划分的高维相互作用特征发掘 | 第62-65页 |
5.2.1 基于贝叶斯划分的高维相互作用发掘 | 第62-64页 |
5.2.2 算法描述 | 第64-65页 |
5.2.3 算法实现(BHIT) | 第65页 |
5.3 模拟实验 | 第65-69页 |
5.3.1 异位显性模型 | 第66-67页 |
5.3.2 多重相互关系模型 | 第67-68页 |
5.3.3 空模型 | 第68-69页 |
5.4 模拟实验结果与讨论 | 第69-74页 |
第6章 结论与讨论 | 第74-77页 |
6.1 全文结论 | 第74页 |
6.2 讨论 | 第74-77页 |
参考文献 | 第77-92页 |
作者简介及在学期间所取得的科研成果 | 第92-94页 |
致谢 | 第94页 |