前言
第1章 绪论
1.1 生物信息学
1.2 癌症及标志物简介
l.3 肿瘤标志物研究现状
第2章 基因芯片基础
2.1 基因芯片概述
2.1.1 基因芯片原理
2.1.2 芯片表达数据分析概要
2.2 基因芯片数据的收集
2.3 基因芯片数据预处理
2.3.1 数据去噪
2.3.2 空值填充策略
2.31 3数据转换与标准化
2.4 基因芯片数据分析的研究背景及现状
第3章 癌症表达数据资源及预处理方法
3.1 癌症表达数据来源与处理简介
3.1.1 癌症表达数据的来源
3.1.2 表达数据的矩阵表示及相关处理
3.2 特征选择技术简介
3.2.1 特征选择方法介绍
3.2.2 特征选择算法在生物信息学中的应用
3.3 常用的差异表达基因识别方法
3.3.1 t—test方法
3.3.2 倍数变化法
第4章 改进的过滤特征选择算法在基因表达数据分析中的应用
4.1 本章概要
4.2 基因芯片的特征选择方法研究背景
4.3 研究方法
4.3.1 数据来源
4.3.2 数据预处理
4.3.3 改进的成对t—test方法
4.3.4 统计显著性评估
4.3.5 冗余基因识别
4.3.6 性能评估
4.4 实验结果
4.4.1 分类准确率评估结果
4.4.2 特征基因的稳定性评估结果
4.4.3 功能稳定性评估结果
4.4.4 功能富集分析评估结果
4.4.5 结果的生物学分析
4.5 本章小结
第5章 miRNA肿瘤标志物的识别与分析
5.1 本章概要
5.2 miRNA标志物研究背景
5.3 数据来源
5.3.1 成对的miRNA表达数据
5.3.2 循环miRNA信息
5.4 研究方法
5.4.1 每种癌症中差异表达的miRNA的识别
5.4.2 单数据集上特异miRNA标志物的识别
5.4.3 多种癌症间共同的差异表达的miRNA识别
5.4.4 特定癌症类型的组合miRNA标志物识别
5.4.5 差异表达的miRNA靶基因pathway富集分析
5.4.6 评估过程
5.5 实验结果
5.5.1 每种癌症类型差异表达miRNA的识别与分析
5.5.2 多种癌症类型早期阶段的共同标志物识别与分析
5.6 本章小结
参考文献

曹忠波、杜伟、梁艳春著的《肿瘤标志物的计算识别与分析》主要针对基于表达数据的肿瘤标志物的计算识别与分析方法进行系统的研究，分别对基因表达数据和miRNA表达数据两方面内容进行分析。本书提出基于过滤方法的改进的特征选择算法，并应用于成对的基因表达数据分析中，再对算法的有效性与稳定性等方面进行全面的评估。本书还对基于表达数据的miRNA肿瘤标志物进行综合的计算识别与分析，包括对单一癌症类型的特异miRNA标志物和多种癌症类型间共同的miRNA标志物的识别，为进一步的生物学、医学实验分析提供潜在的候选标志物集合。
本书可作为生物信息学、肿瘤生物信息学等相关专业的高年级本科生或研究生以及相关研究领域生命科学、医学工作者和计算机应用人员的参考用书。