大數(shù)據(jù)建模中的高維優(yōu)化問題通常通過引入正則化（Regularization）來約束模型的復(fù)雜度,提升模型的解釋性,改善或者減少過擬合來提高預(yù)測(cè)精度。例如稀疏性正則化產(chǎn)生于信號(hào)處理領(lǐng)域,發(fā)展出了lasso以及壓縮感知等經(jīng)典模型。本論文將探討將刻畫變量之間相互關(guān)系的網(wǎng)絡(luò)結(jié)構(gòu)引入正則化,構(gòu)建最優(yōu)化模型,建模生物醫(yī)學(xué)數(shù)據(jù)。具體而言,集成轉(zhuǎn)錄組,表觀組、蛋白質(zhì)相互作用等多組學(xué)數(shù)據(jù),重建調(diào)控網(wǎng)絡(luò),構(gòu)建網(wǎng)絡(luò)正則最優(yōu)化模型,預(yù)測(cè)DNA甲基化轉(zhuǎn)移酶（DNA methlytransferase,DNMT）結(jié)合位點(diǎn)。DNMT介導(dǎo)的DNA甲基化在在胚胎發(fā)育和腫瘤發(fā)生等重要的生物過程中具有十分重要的作用。然而DNMT在許多組織和細(xì)胞系中的結(jié)合位點(diǎn)實(shí)驗(yàn)上難以觀測(cè),數(shù)據(jù)是缺失的,極大的阻礙了對(duì)這一重要蛋白質(zhì)家族的功能和機(jī)理研究。有必要發(fā)展計(jì)算生物學(xué)方法,集成大量高通量測(cè)序技術(shù)產(chǎn)生的多組學(xué)數(shù)據(jù),來預(yù)測(cè)DNMT結(jié)合位點(diǎn)信息。本文構(gòu)建數(shù)學(xué)最優(yōu)化模型,集成多組學(xué)數(shù)據(jù),預(yù)測(cè)DNMT在基因組上的結(jié)合位點(diǎn),主要的工作包括以下幾個(gè)方面:（1）基于adaptive lasso正則化的邏輯回歸（logistic regression,... 

【文章頁數(shù)】：72 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
縮略語表
第一章 引言
    1.1 DNA甲基化
    1.2 DNA甲基化轉(zhuǎn)移酶
    1.3 染色質(zhì)狀態(tài)
    1.4 高通量實(shí)驗(yàn)技術(shù)與多組學(xué)數(shù)據(jù)
        1.4.1 染色質(zhì)免疫共沉淀測(cè)序技術(shù)
        1.4.2 DNase I超敏位點(diǎn)測(cè)序技術(shù)
        1.4.3 轉(zhuǎn)座酶測(cè)定染色質(zhì)可及性測(cè)序技術(shù)
        1.4.4 轉(zhuǎn)錄組測(cè)序技術(shù)
        1.4.5 全基因組重亞硫酸鹽測(cè)序
    1.5 DNMT結(jié)合位點(diǎn)與機(jī)制研究背景
    1.6 基于邏輯回歸的最大似然優(yōu)化模型
    1.7 正則化方法的研究現(xiàn)狀
    1.8 本論文內(nèi)容安排
第二章 預(yù)測(cè)DNMT結(jié)合位點(diǎn)的最優(yōu)化模型(GuidingNet)
    2.1 GuidingNet建模的框架
    2.2 GuidingNet模型
        2.2.1 特征選擇
        2.2.2 特征組合
        2.2.3 基于邏輯回歸的網(wǎng)絡(luò)正則最優(yōu)化模型
        2.2.4 黃金標(biāo)準(zhǔn)數(shù)據(jù)的構(gòu)造
    2.3 GuidingNet模型的訓(xùn)練與輸出
    2.4 小結(jié)
第三章 GuidingNet的預(yù)測(cè)精度及特征選擇性能
    3.1 數(shù)據(jù)收集
    3.2 GuidingNet能準(zhǔn)確預(yù)測(cè)DNMT結(jié)合位點(diǎn)
    3.3 GuidingNet優(yōu)于基于單個(gè)特征預(yù)測(cè)
    3.4 GuidingNet的網(wǎng)絡(luò)正則化性能
    3.5 網(wǎng)絡(luò)正則化與其他正則化方法的比較
    3.6 GuidingNet與隨機(jī)選擇TF進(jìn)行預(yù)測(cè)的比較
    3.7 小結(jié)
第四章 GuidingNet增強(qiáng)DNMT結(jié)合位點(diǎn)預(yù)測(cè)的生物學(xué)解釋
    4.1 GuidingNet揭示出DNMT結(jié)合機(jī)制中關(guān)鍵的轉(zhuǎn)錄因子
    4.2 不同DNMT在不同細(xì)胞環(huán)境中的結(jié)合模式的差異
    4.3 DNA甲基化數(shù)據(jù)對(duì)GuidingNet預(yù)測(cè)結(jié)果的驗(yàn)證
    4.4 GuidingNet可應(yīng)用于Dnmt3b跨組織預(yù)測(cè)
    4.5 小結(jié)
第五章 GuidingNet應(yīng)用于其他染色質(zhì)重塑因子的結(jié)合位點(diǎn)預(yù)測(cè)
    5.1 單個(gè)特征對(duì)其他染色質(zhì)重塑因子結(jié)合位點(diǎn)的預(yù)測(cè)能力
    5.2 GuidingNet對(duì)其他染色質(zhì)重塑因子結(jié)合位點(diǎn)的預(yù)測(cè)精度
    5.3 GuidingNet在其他染色質(zhì)重塑因子預(yù)測(cè)中特征選擇方面的表現(xiàn)
    5.4 本章小結(jié)與討論
第六章 結(jié)論與展望
    6.1 本文的主要貢獻(xiàn)
    6.2 工作展望
參考文獻(xiàn)
發(fā)表文章目錄
致謝



本文編號(hào)：3701552