生物信息學中的機器學習分析方法

前言 0 緒論 1
0.1生物信息學的概念 1
0.2生物信息學的研究內(nèi)容 1
0.3微陣列分析技術(shù) 2
0.4基因調(diào)控網(wǎng)絡(luò) 9
0.5蛋白質(zhì)相互作用網(wǎng)絡(luò) 11
0.6機器學習方法及應(yīng)用 12
0.7本書主要內(nèi)容和安排 15 參考文獻 15
第Ⅰ篇 微陣列數(shù)據(jù)的分析和處理
第 1章 基于核方法的多病類 DNA微陣列數(shù)據(jù)集成分類器 21
1.1核機器學習 22
1.2基分類器的選擇 24
1.3 DNA微陣列數(shù)據(jù)集成分類器結(jié)構(gòu)框圖 29
1.4實例研究 30
1.5本章小結(jié) 34 參考文獻 34 第 2章 基于選擇性獨立成分分析的 DNA微陣列數(shù)據(jù)集成分類器 36
2.1基于重構(gòu)樣本誤差的選擇性獨立成分分析 37
2.2實例研究 38
2.3本章小結(jié) 45 參考文獻 45 第 3章 基于相關(guān)性分析的癌癥診斷 47
3.1 K均值聚類 48
3.2基于特征選取的相關(guān)系數(shù)分析癌癥診斷模型 48
3.3實驗結(jié)果和分析 51
3.4本章小結(jié) 53
參考文獻 53 第 4章 基于線性回歸的 DNA微陣列數(shù)據(jù)稀疏特征基因選擇 55
4.1特征選擇 56
4.2回歸分析 56
4.3仿真研究 61
4.4本章小結(jié) 64 參考文獻 65 第 5章 基于貝葉斯理論的 DNA甲基化水平數(shù)據(jù)分型 66
5.1貝葉斯理論概述 67
5.2基于貝葉斯理論的 DNA甲基化水平數(shù)據(jù)分型 70
5.3聚類性能評估 74
5.4仿真研究 75
5.5本章小結(jié) 81 參考文獻 81
第Ⅱ篇 基因調(diào)控網(wǎng)絡(luò)的分析和構(gòu)建
第 6章 基因表達數(shù)據(jù)缺失值處理 85
6.1三種基因表達數(shù)據(jù)缺失值估計方法 86
6.2內(nèi)部規(guī)律與外部聯(lián)系結(jié)合的基因表達數(shù)據(jù)缺失值估計方法 88
6.3仿真研究 91
6.4本章小結(jié) 98 參考文獻 98 第 7章 基于角度離散化的基因調(diào)控網(wǎng)絡(luò)定性分析 100
7.1三種基因調(diào)控網(wǎng)絡(luò)定性分析方法 101
7.2基于角度離散化的基因調(diào)控網(wǎng)絡(luò)方法 104
7.3仿真研究 107
7.4本章小結(jié)