異構(gòu)基因共表達(dá)網(wǎng)絡(luò)的分析方法

目 錄
第1章 緒論 （1）
第2章 基于張量的異構(gòu)信息網(wǎng)絡(luò)建模方法 （4）
2.1 異構(gòu)信息網(wǎng)絡(luò) （4）
2.2 張量代數(shù)的基本概念 （7）
2.2.1 Hadamard積、Kronecker積和Khatri-Rao積 （8）
2.2.2 張量的矩陣化、張量與矩陣的n模乘 （9）
2.2.3 內(nèi)積、外積和Frobenius范數(shù) （11）
2.2.4 張量分解 （12）
2.3 基于張量的異構(gòu)信息網(wǎng)絡(luò)建模 （14）
2.4 本章小結(jié) （17）
第3章 LncRNA-mRNA基因共表達(dá)異構(gòu)信息網(wǎng)絡(luò)構(gòu)建 （18）
3.1 引言 （18）
3.2 基因共表達(dá)網(wǎng)絡(luò)建模基礎(chǔ) （18）
3.2.1 基因共表達(dá)網(wǎng)絡(luò)的相關(guān)概念 （18）
3.2.2 異構(gòu)信息網(wǎng)絡(luò)的相關(guān)概念 （19）
3.3 數(shù)據(jù)采集 （22）
3.3.1 臨床樣本采集 （22）
3.3.2 組織RNA的提取、cDNA合成與標(biāo)記 （22）
3.3.3 芯片選擇、雜交及圖像采集 （22）
3.4 LncRNA-mRNA基因共表達(dá)網(wǎng)絡(luò)構(gòu)建 （23）
3.4.1 基于表達(dá)譜的mRNA聚類 （23）
3.4.2 鼻咽癌中差異表達(dá)LncRNA和mRNA的篩選 （24）
3.4.3 差異表達(dá)的LncRNA和mRNA的染色體定位富集 （27）
3.4.4 LncRNA-mRNA基因共表達(dá)網(wǎng)絡(luò)構(gòu)建 （32）
3.5 LncRNA和mRNA基因共表達(dá)模塊發(fā)現(xiàn) （36）
3.5.1 共同miRNA結(jié)合位點鑒定鼻咽癌中競爭性內(nèi)源RNA共表達(dá)模塊 （36）
3.5.2 基于信號通路的LncRNA-mRNA共表達(dá)模塊 （38）
3.5.3 IPA整合分析獲得核心轉(zhuǎn)錄調(diào)控因子驅(qū)動的LncRNA-mRNA共表達(dá)
模塊 （39）
3.6 LncRNA和mRNA基因共表達(dá)分析與討論 （41）
3.7 本章小結(jié) （43）
第4章 基于遺傳算法的基因共表達(dá)網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)發(fā)現(xiàn) （45）
4.1 引言 （45）
4.2 理論基礎(chǔ) （46）
4.2.1 復(fù)雜網(wǎng)絡(luò)與社團(tuán)劃分 （46）
4.2.2 社團(tuán)劃分評價指標(biāo) （47）
4.3 CDGA算法描述 （48）
4.3.1 初始化種群 （49）
4.3.2 CDGA算法中的遺傳算子 （49）
4.4 社團(tuán)劃分實驗結(jié)果與分析 （50）
4.4.1 小規(guī)模測試網(wǎng)絡(luò)實驗 （50）
4.4.2 真實數(shù)據(jù)集實驗 （53）
4.4.3 本章小結(jié) （56）
第5章 基于一般網(wǎng)絡(luò)模式的鼻咽癌基因共表達(dá)網(wǎng)絡(luò)聚類 （57）
5.1 引言 （57）
5.2 基于張量分解的聚類框架 （59）
5.2.1 基于TUCKER分解的聚類模型 （59）
5.2.2 STFClus算法 （61）
5.3 基于TUCKER分解的聚類模型分析 （65）
5.3.1 基于TUCKER分解的聚類模型的可行性分析 （65）
5.3.2 STFClus的收斂性分析 （65）
5.3.3 STFClus的性能分析 （67）
5.3.4 STFClus的初始化方法 （68）
5.3.5 STFClus的時間復(fù)雜度分析 （71）
5.4 實驗與結(jié)果分析 （72）
5.4.1 實驗設(shè)置 （72）
5.4.2 模擬數(shù)據(jù)集上的實驗 （74）
5.4.3 真實數(shù)據(jù)集上的實驗 （78）
5.5 本章小結(jié) （81）
第6章 稀疏性約束下鼻咽癌基因共表達(dá)網(wǎng)絡(luò)聚類 （82）
6.1 引言 （82）
6.2 稀疏性約束下的LncRNA-mRNA基因共表達(dá)網(wǎng)絡(luò)聚類框架 （84）
6.2.1 基于CP分解的LncRNA-mRNA基因共表達(dá)網(wǎng)絡(luò)聚類模型 （84）
6.2.2 隨機張量梯度下降算法 （86）
6.3 基于CP分解的聚類模型分析 （91）
6.3.1 基于CP分解的聚類模型的可行性分析 （91）
6.3.2 隨機張量梯度下降算法的收斂性分析 （92）
6.3.3 利用張量的稀疏性加速運算與時間復(fù)雜度分析 （97）
6.4 實驗與結(jié)果分析 （98）
6.4.1 實驗設(shè)置 （98）
6.4.2 模擬數(shù)據(jù)集上的實驗 （99）
6.4.3 真實數(shù)據(jù)集上的實驗 （102）
6.5 本章小結(jié) （105）
第7章 動態(tài)異構(gòu)信息網(wǎng)絡(luò)中的混合多類型社團(tuán)發(fā)現(xiàn) （106）
7.1 引言 （106）
7.2 基于張量分解的混合多類型社團(tuán)發(fā)現(xiàn)框架 （109）
7.2.1 基于CP分解的社團(tuán)發(fā)現(xiàn)模型描述 （109）
7.2.2 二階隨機張量梯度下降算法 （113）
7.3 基于CP分解的混合多類型社團(tuán)發(fā)現(xiàn)模型分析 （119）
7.3.1 動態(tài)異構(gòu)信息網(wǎng)絡(luò)中新舊對象的更替 （119）
7.3.2 SOSComm算法的在線部署 （120）
7.3.3 SOSComm算法的時間復(fù)雜度分析 （121）
7.4 實驗與結(jié)果分析 （122）
7.4.1 實驗設(shè)置 （122）
7.4.2 模擬數(shù)據(jù)集上的實驗 （122）
7.4.3 真實數(shù)據(jù)集上的實驗 （127）
7.5 本章小結(jié) （134）
附錄A 鼻咽癌中差異表達(dá)LncRNA基因芯片原始結(jié)果 （136）
附錄B 鼻咽癌中差異表達(dá)mRNA基因芯片原始結(jié)果 （148）
參考文獻(xiàn) （160）