书籍详情
异构基因共表达网络的分析方法
作者：熊芳 等
出版社：电子工业出版社
出版时间：2023-09-01
ISBN：9787121464300
定价：¥88.00
购买这本书可以去
内容简介
本书以基因共表达网络为研究对象，针对传统经典的聚类方法对异构信息网络分析的局限性和目前关于异构信息网络的聚类方法的不足，基于张量分解工具对异构信息网络的聚类问题进行研究。提出了基于张量的异构信息网络建模方法、一般网络模式的异构信息网络聚类模型、稀疏性约束下的异构信息网络聚类模型、动态异构信息网络中的混合多类型社团发现模型，在此基础上利用这些异构信息网络分析方法，深入研究LncRNA 和mRNA的表达水平和调控关系。
作者简介
熊芳，工学博士，从事信息系统相关工作二十余年。近年来重点进行生物信息学、医学大数据与智能决策方面的研究工作。
目录
目 录
第1章 绪论 （1）
第2章 基于张量的异构信息网络建模方法 （4）
2.1 异构信息网络 （4）
2.2 张量代数的基本概念 （7）
2.2.1 Hadamard积、Kronecker积和Khatri-Rao积 （8）
2.2.2 张量的矩阵化、张量与矩阵的n模乘 （9）
2.2.3 内积、外积和Frobenius范数 （11）
2.2.4 张量分解 （12）
2.3 基于张量的异构信息网络建模 （14）
2.4 本章小结 （17）
第3章 LncRNA-mRNA基因共表达异构信息网络构建 （18）
3.1 引言 （18）
3.2 基因共表达网络建模基础 （18）
3.2.1 基因共表达网络的相关概念 （18）
3.2.2 异构信息网络的相关概念 （19）
3.3 数据采集 （22）
3.3.1 临床样本采集 （22）
3.3.2 组织RNA的提取、cDNA合成与标记 （22）
3.3.3 芯片选择、杂交及图像采集 （22）
3.4 LncRNA-mRNA基因共表达网络构建 （23）
3.4.1 基于表达谱的mRNA聚类 （23）
3.4.2 鼻咽癌中差异表达LncRNA和mRNA的筛选 （24）
3.4.3 差异表达的LncRNA和mRNA的染色体定位富集 （27）
3.4.4 LncRNA-mRNA基因共表达网络构建 （32）
3.5 LncRNA和mRNA基因共表达模块发现 （36）
3.5.1 共同miRNA结合位点鉴定鼻咽癌中竞争性内源RNA共表达模块 （36）
3.5.2 基于信号通路的LncRNA-mRNA共表达模块 （38）
3.5.3 IPA整合分析获得核心转录调控因子驱动的LncRNA-mRNA共表达
模块 （39）
3.6 LncRNA和mRNA基因共表达分析与讨论 （41）
3.7 本章小结 （43）
第4章 基于遗传算法的基因共表达网络社团结构发现 （45）
4.1 引言 （45）
4.2 理论基础 （46）
4.2.1 复杂网络与社团划分 （46）
4.2.2 社团划分评价指标 （47）
4.3 CDGA算法描述 （48）
4.3.1 初始化种群 （49）
4.3.2 CDGA算法中的遗传算子 （49）
4.4 社团划分实验结果与分析 （50）
4.4.1 小规模测试网络实验 （50）
4.4.2 真实数据集实验 （53）
4.4.3 本章小结 （56）
第5章 基于一般网络模式的鼻咽癌基因共表达网络聚类 （57）
5.1 引言 （57）
5.2 基于张量分解的聚类框架 （59）
5.2.1 基于TUCKER分解的聚类模型 （59）
5.2.2 STFClus算法 （61）
5.3 基于TUCKER分解的聚类模型分析 （65）
5.3.1 基于TUCKER分解的聚类模型的可行性分析 （65）
5.3.2 STFClus的收敛性分析 （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的时间复杂度分析 （71）
5.4 实验与结果分析 （72）
5.4.1 实验设置 （72）
5.4.2 模拟数据集上的实验 （74）
5.4.3 真实数据集上的实验 （78）
5.5 本章小结 （81）
第6章 稀疏性约束下鼻咽癌基因共表达网络聚类 （82）
6.1 引言 （82）
6.2 稀疏性约束下的LncRNA-mRNA基因共表达网络聚类框架 （84）
6.2.1 基于CP分解的LncRNA-mRNA基因共表达网络聚类模型 （84）
6.2.2 随机张量梯度下降算法 （86）
6.3 基于CP分解的聚类模型分析 （91）
6.3.1 基于CP分解的聚类模型的可行性分析 （91）
6.3.2 随机张量梯度下降算法的收敛性分析 （92）
6.3.3 利用张量的稀疏性加速运算与时间复杂度分析 （97）
6.4 实验与结果分析 （98）
6.4.1 实验设置 （98）
6.4.2 模拟数据集上的实验 （99）
6.4.3 真实数据集上的实验 （102）
6.5 本章小结 （105）
第7章 动态异构信息网络中的混合多类型社团发现 （106）
7.1 引言 （106）
7.2 基于张量分解的混合多类型社团发现框架 （109）
7.2.1 基于CP分解的社团发现模型描述 （109）
7.2.2 二阶随机张量梯度下降算法 （113）
7.3 基于CP分解的混合多类型社团发现模型分析 （119）
7.3.1 动态异构信息网络中新旧对象的更替 （119）
7.3.2 SOSComm算法的在线部署 （120）
7.3.3 SOSComm算法的时间复杂度分析 （121）
7.4 实验与结果分析 （122）
7.4.1 实验设置 （122）
7.4.2 模拟数据集上的实验 （122）
7.4.3 真实数据集上的实验 （127）
7.5 本章小结 （134）
附录A 鼻咽癌中差异表达LncRNA基因芯片原始结果 （136）
附录B 鼻咽癌中差异表达mRNA基因芯片原始结果 （148）
参考文献 （160）
第1章 绪论 （1）
第2章 基于张量的异构信息网络建模方法 （4）
2.1 异构信息网络 （4）
2.2 张量代数的基本概念 （7）
2.2.1 Hadamard积、Kronecker积和Khatri-Rao积 （8）
2.2.2 张量的矩阵化、张量与矩阵的n模乘 （9）
2.2.3 内积、外积和Frobenius范数 （11）
2.2.4 张量分解 （12）
2.3 基于张量的异构信息网络建模 （14）
2.4 本章小结 （17）
第3章 LncRNA-mRNA基因共表达异构信息网络构建 （18）
3.1 引言 （18）
3.2 基因共表达网络建模基础 （18）
3.2.1 基因共表达网络的相关概念 （18）
3.2.2 异构信息网络的相关概念 （19）
3.3 数据采集 （22）
3.3.1 临床样本采集 （22）
3.3.2 组织RNA的提取、cDNA合成与标记 （22）
3.3.3 芯片选择、杂交及图像采集 （22）
3.4 LncRNA-mRNA基因共表达网络构建 （23）
3.4.1 基于表达谱的mRNA聚类 （23）
3.4.2 鼻咽癌中差异表达LncRNA和mRNA的筛选 （24）
3.4.3 差异表达的LncRNA和mRNA的染色体定位富集 （27）
3.4.4 LncRNA-mRNA基因共表达网络构建 （32）
3.5 LncRNA和mRNA基因共表达模块发现 （36）
3.5.1 共同miRNA结合位点鉴定鼻咽癌中竞争性内源RNA共表达模块 （36）
3.5.2 基于信号通路的LncRNA-mRNA共表达模块 （38）
3.5.3 IPA整合分析获得核心转录调控因子驱动的LncRNA-mRNA共表达
模块 （39）
3.6 LncRNA和mRNA基因共表达分析与讨论 （41）
3.7 本章小结 （43）
第4章 基于遗传算法的基因共表达网络社团结构发现 （45）
4.1 引言 （45）
4.2 理论基础 （46）
4.2.1 复杂网络与社团划分 （46）
4.2.2 社团划分评价指标 （47）
4.3 CDGA算法描述 （48）
4.3.1 初始化种群 （49）
4.3.2 CDGA算法中的遗传算子 （49）
4.4 社团划分实验结果与分析 （50）
4.4.1 小规模测试网络实验 （50）
4.4.2 真实数据集实验 （53）
4.4.3 本章小结 （56）
第5章 基于一般网络模式的鼻咽癌基因共表达网络聚类 （57）
5.1 引言 （57）
5.2 基于张量分解的聚类框架 （59）
5.2.1 基于TUCKER分解的聚类模型 （59）
5.2.2 STFClus算法 （61）
5.3 基于TUCKER分解的聚类模型分析 （65）
5.3.1 基于TUCKER分解的聚类模型的可行性分析 （65）
5.3.2 STFClus的收敛性分析 （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的时间复杂度分析 （71）
5.4 实验与结果分析 （72）
5.4.1 实验设置 （72）
5.4.2 模拟数据集上的实验 （74）
5.4.3 真实数据集上的实验 （78）
5.5 本章小结 （81）
第6章 稀疏性约束下鼻咽癌基因共表达网络聚类 （82）
6.1 引言 （82）
6.2 稀疏性约束下的LncRNA-mRNA基因共表达网络聚类框架 （84）
6.2.1 基于CP分解的LncRNA-mRNA基因共表达网络聚类模型 （84）
6.2.2 随机张量梯度下降算法 （86）
6.3 基于CP分解的聚类模型分析 （91）
6.3.1 基于CP分解的聚类模型的可行性分析 （91）
6.3.2 随机张量梯度下降算法的收敛性分析 （92）
6.3.3 利用张量的稀疏性加速运算与时间复杂度分析 （97）
6.4 实验与结果分析 （98）
6.4.1 实验设置 （98）
6.4.2 模拟数据集上的实验 （99）
6.4.3 真实数据集上的实验 （102）
6.5 本章小结 （105）
第7章 动态异构信息网络中的混合多类型社团发现 （106）
7.1 引言 （106）
7.2 基于张量分解的混合多类型社团发现框架 （109）
7.2.1 基于CP分解的社团发现模型描述 （109）
7.2.2 二阶随机张量梯度下降算法 （113）
7.3 基于CP分解的混合多类型社团发现模型分析 （119）
7.3.1 动态异构信息网络中新旧对象的更替 （119）
7.3.2 SOSComm算法的在线部署 （120）
7.3.3 SOSComm算法的时间复杂度分析 （121）
7.4 实验与结果分析 （122）
7.4.1 实验设置 （122）
7.4.2 模拟数据集上的实验 （122）
7.4.3 真实数据集上的实验 （127）
7.5 本章小结 （134）
附录A 鼻咽癌中差异表达LncRNA基因芯片原始结果 （136）
附录B 鼻咽癌中差异表达mRNA基因芯片原始结果 （148）
参考文献 （160）
猜您喜欢
