基于多组学数据的肿瘤信息挖掘算法研究

发布时间：2021-05-26 21:15

　　随着生命科学技术的迅猛发展,海量的生物组学数据得以不断积累,为揭开隐藏在组学数据中的生命之谜提供了可能,同时也对组学数据的计算、分析与解释带来了极大的挑战。生物信息学作为一门新兴的交叉学科,能够综合运用数学、统计学、计算机科学和生物学等的各种工具来迎接这些机遇和挑战。在生物信息学中,肿瘤信息学是一个重要的研究方向,它能够推动癌症的诊断治疗、药物研发、预后生存分析以及肿瘤发生发展机制等相关科学研究的飞速发展。肿瘤是一类高度异质化的复杂疾病,关于其发生发展的机制问题,研究界一直存在多种假说,但目前仍未有一致的结论。已有研究表明,基因组的不稳定与突变,以及能促进癌症的炎症是可能导致癌症特征出现的两个主要条件。因此,本研究分别从癌症基因组突变的角度和癌症相关性炎症的角度,对肿瘤信息学的相关问题进行了深入研究。癌症基因组的相关研究表明,所有肿瘤细胞中都存在着大量的基因突变,肿瘤的发生发展与基因的异常有密切的关系。因此,一种主流的观点认为,癌症是一种基因疾病,它是由癌症细胞中基因组的DNA序列异常导致的。基于这一观点,癌症驱动基因与乘客基因的概念被提出并且已经被广泛接受。其中,癌症驱动基因泛指那些... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：123 页

【学位级别】：博士

【文章目录】：
中文摘要
英文摘要
第一章 绪论
    §1.1 引言
    §1.2 研究背景
        1.2.1 关于癌症基因组突变的研究
        1.2.2 关于癌症相关性炎症的研究
    §1.3 相关数据库介绍
    §1.4 研究现状
        1.4.1 癌症驱动基因预测算法的研究现状
        1.4.2 去卷积算法的研究现状
    §1.5 各章节安排
第二章 基于数据融合的癌症驱动基因预测算法研究
    §2.1 MaxMIF算法概述
    §2.2 MaxMIF算法相关数据介绍
        2.2.1 体细胞突变数据
        2.2.2 蛋白交互网络数据
    §2.3 MaxMIF算法细节
        2.3.1 MaxMIF算法的框架
        2.3.2 基因突变分数
        2.3.3 突变影响函数
        2.3.4 最大突变影响函数
    §2.4 MaxMIF算法的创新点
第三章 MaxMIF算法的测评
    §3.1 评价标准与测试数据
    §3.2 MaxMIF算法在泛癌症突变数据集上的表现
    §3.3 MaxMIF算法在单种癌症突变数据集上的表现
    §3.4 MaxMIF算法的稳健性
    §3.5 MaxMIF算法预测的癌症驱动基因
    §3.6 讨论与小结
第四章 基于基因表达数据的多任务特征选择算法研究
    §4.1 慢性炎症的患癌风险分类
    §4.2 基因表达数据的应用
        4.2.1 去卷积分析
        4.2.2 差异表达分析
    §4.3 MtFS算法介绍
        4.3.1 MtFS算法的问题背景
        4.3.2 MtFS算法的框架
        4.3.3 MtFS算法的解决步骤
        4.3.4 MtFS算法的参数选择
    §4.4 结果分析
    §4.5 讨论与小结
第五章 总结与展望
    5.1 研究总结
    5.2 研究展望
附录
参考文献
致谢
攻读博士学位期间完成论文情况
作者简介
学位论文评阅及答辩情况表



本文编号：3207079