学位论文 > 优秀研究生学位论文题录展示

基于R语言的差异表达基因检测研究

作　者: 纪相禹
导　师: 时小虎
学　校: 吉林大学
专　业: 软件工程
关键词: 生物信息学 R语言基因表达谱 Bioconductor软件差异基因表达检测
分类号: Q78
类　型: 硕士论文
年　份: 2011年
下　载: 408次
引　用: 0次
阅　读: 论文下载

内容摘要

21世纪,在这个信息社会,同时也是生命科学的时代,生物信息学已经成为一门新兴的学科。生物信息学作为多学科交叉的产物,包括生物学、计算机科学、数学、物理学以及信息科学等很多领域,通过互联网为媒介,以数据库为载体,数学理论知识来建立各种计算机模型,对实验生物学中产生的海量生物学数据进行处理、存储、检索以及分析和解释其生物学含义。本文主要探讨学习使用生物信息学的工具R语言以及Bioconductor生物信息学软件集,解决生物信息学的问题,通过T统计方法探讨了R语言在生物信息学差异表达基因检测中的应用。R语言是通过图形显示和统计计算为基础的开放式的软件平台,是一种通用的计算机语言。R语言在生物信息学中开发出了面向特定应用的软件,Bioconductor就是R语言开发的生物信息学中面向基因组信息分析的应用软件集合。R语言作为进行绘图、统计分析的语言,因为其开源性、可移植性、灵活性,而在统计、生物等学科领域有着广泛的应用。在生物学领域中,尤其是面向结构和功能基因组时代的数据信息分析来讲,其中非常典型的就是Bioconductor的应用软件项目。本文针对R语言以及Bioconductor生物信息学软件集在生物信息学中的应用,主要展开如下研究：1)、深入理解生物信息学的定义、特点及其意义,主要研究内容,分析基因芯片基因表达谱数据的处理方法,生物信息学数据库的应用。2)、总结了R语言的特点及其R语言的基本原理与核心。R语言作为构建生物信息学平台的重要软件,因其本身开源、易学等特点在处理复杂的大规模生物数据中发挥了重要的作用。3)、Bioconductor生物信息学软件集是建立在R语言环境上的面向生物信息管理和分析科学计算的开放式软件平台,包括有基因组数据分析和生物芯片数据等大量实用软件包。利用Bioconductor软件开放资源可以很好作为学习资料,并能分析各种样本数据。4)、总结了差异表达基因检测的预处理方法，并针对进行差异表达基因检测的T统计差异表达基因检测方法做了改进研究。5)、引入了ROC曲线对T统计差异表达基因检测方法和改进的增加参数的T统计差异表达基因检测方法和半T统计差异表达基因检测方法进行性能评价。综上所述，本文针对R语言在生物信息学中的应用进行研究，对生物信息学的内容，和学习R语言方面的知识做了总结、分析。针对差异表达基因检测，对已有的T统计方法做了改进，提出了新的差异表达基因检测方法，并对改进的几种方法和以往的方法进行性能评价。

全文目录

摘要  4-6
Abstract  6-10
第1章绪论  10-13
  1.1 生物信息学  10
  1.2 基因芯片数据  10-11
  1.3 R语言简介  11
  1.4 本文工作  11-13
第2章基因表达谱数据研究  13-20
  2.1 生物信息学的定义及意义  13
  2.2 生物信息学的主要研究内容  13-15
  2.3 基因表达数据的处理  15-18
    2.3.1 基因芯片与DNA微阵列  16
    2.3.2 基因表达谱  16-17
    2.3.3 微阵列技术的应用和研究方向  17-18
  2.4 生物信息学数据库  18-19
  2.5 讨论  19-20
第3章 R语言与Bioconductor生物信息学软件集  20-28
  3.1 R语言  20-21
  3.2 R语言的基本原理与核心  21
  3.3 Bioconductor生物信息学软件集  21-24
    3.3.1 Bioconductor的开发背景  22-23
    3.3.2 Bioconductor的各种包  23
    3.3.3 Bioconductor的安装  23-24
  3.4 Bioconductor的应用  24-26
    3.4.1 Bioconductor实验数据的读取  24
    3.4.2 Bioconductor的数据的可视化分析  24-25
    3.4.3 Bioconductor的数据处理和基因表达数据的计算  25
    3.4.4 Bioconductor对基因表达数据的分析  25-26
    3.4.5 Bioconductor的差异表达基因的注释  26
  3.5 小结  26-28
第4章 R语言在差异表达基因检测中的应用  28-45
  4.1 引言  28
  4.2 差异表达基因检测的预处理和分析  28-31
    4.2.1 基因芯片缺失值的填充  29-30
    4.2.2 对基因芯片重复测定值的处理  30-31
    4.2.3 基因芯片数据归一化处理  31
    4.2.4 差异基因表达检测方法  31
  4.3 基于R语言的差异表达基因检测  31-44
    4.3.1 差异基因表达检测方法  31-32
    4.3.2 基于T统计的差异基因表达检测方法  32-36
    4.3.3 仿真模拟和分析  36-44
  4.4 小结  44-45
第5章总结和展望  45-46
  5.1 总结  45
  5.2 展望  45-46
参考文献  46-49
致谢  49

基于R语言的差异表达基因检测研究

内容摘要

全文目录

相似论文