中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
異構基因共表達網絡的分析方法 版權信息
- ISBN：9787121464300
- 條形碼：9787121464300 ; 978-7-121-46430-0
- 裝幀：平塑
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
異構基因共表達網絡的分析方法 內容簡介
本書以基因共表達網絡為研究對象，針對傳統經典的聚類方法對異構信息網絡分析的局限性和目前關于異構信息網絡的聚類方法的不足，基于張量分解工具對異構信息網絡的聚類問題進行研究。提出了基于張量的異構信息網絡建模方法、一般網絡模式的異構信息網絡聚類模型、稀疏性約束下的異構信息網絡聚類模型、動態異構信息網絡中的混合多類型社團發現模型，在此基礎上利用這些異構信息網絡分析方法，深入研究LncRNA 和mRNA的表達水平和調控關系。
異構基因共表達網絡的分析方法 目錄
目 錄
第1章 緒論 （1）
第2章 基于張量的異構信息網絡建模方法 （4）
2.1 異構信息網絡 （4）
2.2 張量代數的基本概念 （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 內積、外積和Frobenius范數 （11）
2.2.4 張量分解 （12）
2.3 基于張量的異構信息網絡建模 （14）
2.4 本章小結 （17）
第3章 LncRNA-mRNA基因共表達異構信息網絡構建 （18）
3.1 引言 （18）
3.2 基因共表達網絡建模基礎 （18）
3.2.1 基因共表達網絡的相關概念 （18）
3.2.2 異構信息網絡的相關概念 （19）
3.3 數據采集 （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基因共表達網絡構建 （23）
3.4.1 基于表達譜的mRNA聚類 （23）
3.4.2 鼻咽癌中差異表達LncRNA和mRNA的篩選 （24）
3.4.3 差異表達的LncRNA和mRNA的染色體定位富集 （27）
3.4.4 LncRNA-mRNA基因共表達網絡構建 （32）
3.5 LncRNA和mRNA基因共表達模塊發現 （36）
3.5.1 共同miRNA結合位點鑒定鼻咽癌中競爭性內源RNA共表達模塊 （36）
3.5.2 基于信號通路的LncRNA-mRNA共表達模塊 （38）
3.5.3 IPA整合分析獲得核心轉錄調控因子驅動的LncRNA-mRNA共表達
模塊 （39）
3.6 LncRNA和mRNA基因共表達分析與討論 （41）
3.7 本章小結 （43）
第4章 基于遺傳算法的基因共表達網絡社團結構發現 （45）
4.1 引言 （45）
4.2 理論基礎 （46）
4.2.1 復雜網絡與社團劃分 （46）
4.2.2 社團劃分評價指標 （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 社團劃分實驗結果與分析 （50）
4.4.1 小規模測試網絡實驗 （50）
4.4.2 真實數據集實驗 （53）
4.4.3 本章小結 （56）
第5章 基于一般網絡模式的鼻咽癌基因共表達網絡聚類 （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的時間復雜度分析 （71）
5.4 實驗與結果分析 （72）
5.4.1 實驗設置 （72）
5.4.2 模擬數據集上的實驗 （74）
5.4.3 真實數據集上的實驗 （78）
5.5 本章小結 （81）
第6章 稀疏性約束下鼻咽癌基因共表達網絡聚類 （82）
6.1 引言 （82）
6.2 稀疏性約束下的LncRNA-mRNA基因共表達網絡聚類框架 （84）
6.2.1 基于CP分解的LncRNA-mRNA基因共表達網絡聚類模型 （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雜度分析 （97）
6.4 實驗與結果分析 （98）
6.4.1 實驗設置 （98）
6.4.2 模擬數據集上的實驗 （99）
6.4.3 真實數據集上的實驗 （102）
6.5 本章小結 （105）
第7章 動態異構信息網絡中的混合多類型社團發現 （106）
7.1 引言 （106）
7.2 基于張量分解的混合多類型社團發現框架 （109）
7.2.1 基于CP分解的社團發現模型描述 （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發現模型分析 （119）
7.3.1 動態異構信息網絡中新舊對象的更替 （119）
7.3.2 SOSComm算法的在線部署 （120）
7.3.3 SOSComm算法的時間復雜度分析 （121）
7.4 實驗與結果分析 （122）
7.4.1 實驗設置 （122）
7.4.2 模擬數據集上的實驗 （122）
7.4.3 真實數據集上的實驗 （127）
7.5 本章小結 （134）
附錄A 鼻咽癌中差異表達LncRNA基因芯片原始結果 （136）
附錄B 鼻咽癌中差異表達mRNA基因芯片原始結果 （148）
參考文獻 （160）
第1章 緒論 （1）
第2章 基于張量的異構信息網絡建模方法 （4）
2.1 異構信息網絡 （4）
2.2 張量代數的基本概念 （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 內積、外積和Frobenius范數 （11）
2.2.4 張量分解 （12）
2.3 基于張量的異構信息網絡建模 （14）
2.4 本章小結 （17）
第3章 LncRNA-mRNA基因共表達異構信息網絡構建 （18）
3.1 引言 （18）
3.2 基因共表達網絡建模基礎 （18）
3.2.1 基因共表達網絡的相關概念 （18）
3.2.2 異構信息網絡的相關概念 （19）
3.3 數據采集 （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基因共表達網絡構建 （23）
3.4.1 基于表達譜的mRNA聚類 （23）
3.4.2 鼻咽癌中差異表達LncRNA和mRNA的篩選 （24）
3.4.3 差異表達的LncRNA和mRNA的染色體定位富集 （27）
3.4.4 LncRNA-mRNA基因共表達網絡構建 （32）
3.5 LncRNA和mRNA基因共表達模塊發現 （36）
3.5.1 共同miRNA結合位點鑒定鼻咽癌中競爭性內源RNA共表達模塊 （36）
3.5.2 基于信號通路的LncRNA-mRNA共表達模塊 （38）
3.5.3 IPA整合分析獲得核心轉錄調控因子驅動的LncRNA-mRNA共表達
模塊 （39）
3.6 LncRNA和mRNA基因共表達分析與討論 （41）
3.7 本章小結 （43）
第4章 基于遺傳算法的基因共表達網絡社團結構發現 （45）
4.1 引言 （45）
4.2 理論基礎 （46）
4.2.1 復雜網絡與社團劃分 （46）
4.2.2 社團劃分評價指標 （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 社團劃分實驗結果與分析 （50）
4.4.1 小規模測試網絡實驗 （50）
4.4.2 真實數據集實驗 （53）
4.4.3 本章小結 （56）
第5章 基于一般網絡模式的鼻咽癌基因共表達網絡聚類 （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的時間復雜度分析 （71）
5.4 實驗與結果分析 （72）
5.4.1 實驗設置 （72）
5.4.2 模擬數據集上的實驗 （74）
5.4.3 真實數據集上的實驗 （78）
5.5 本章小結 （81）
第6章 稀疏性約束下鼻咽癌基因共表達網絡聚類 （82）
6.1 引言 （82）
6.2 稀疏性約束下的LncRNA-mRNA基因共表達網絡聚類框架 （84）
6.2.1 基于CP分解的LncRNA-mRNA基因共表達網絡聚類模型 （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雜度分析 （97）
6.4 實驗與結果分析 （98）
6.4.1 實驗設置 （98）
6.4.2 模擬數據集上的實驗 （99）
6.4.3 真實數據集上的實驗 （102）
6.5 本章小結 （105）
第7章 動態異構信息網絡中的混合多類型社團發現 （106）
7.1 引言 （106）
7.2 基于張量分解的混合多類型社團發現框架 （109）
7.2.1 基于CP分解的社團發現模型描述 （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發現模型分析 （119）
7.3.1 動態異構信息網絡中新舊對象的更替 （119）
7.3.2 SOSComm算法的在線部署 （120）
7.3.3 SOSComm算法的時間復雜度分析 （121）
7.4 實驗與結果分析 （122）
7.4.1 實驗設置 （122）
7.4.2 模擬數據集上的實驗 （122）
7.4.3 真實數據集上的實驗 （127）
7.5 本章小結 （134）
附錄A 鼻咽癌中差異表達LncRNA基因芯片原始結果 （136）
附錄B 鼻咽癌中差異表達mRNA基因芯片原始結果 （148）
參考文獻 （160）
展開全部
異構基因共表達網絡的分析方法 作者簡介
熊芳，工學博士，從事信息系統相關工作二十余年。近年來重點進行生物信息學、醫學大數據與智能決策方面的研究工作。
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
煙與鏡
- >
巴金－再思錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
山海經
- >
羅庸西南聯大授課錄
- >
我與地壇
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
