一、一种适用于基因芯片扫描仪的图像恢复算法(论文文献综述)
李东耀[1](2018)在《基因芯片图像的自适应增强与分割算法研究》文中认为基因芯片(genechip)是生物芯片中的一种,又称DNA芯片。该技术通过将大量的探针分子固定于支持物上后与标记的样品分子进行杂交,实现对生物基因表达信息的获取。它被广泛的应用于药物筛选与新药开发、疾病诊断、环境保护、现代农业等。基因芯片图像处理是基因芯片技术的一个关键环节,整个流程包括图像预处理、网格定位、样点分割和数据提取等。本文主要针对基因图像中的图像预处理和样点分割等关键步骤进行深入研究,主要内容包含以下几个方面:首先,在图像预处理部分,本文实现了传统的以及现今较好的图像去噪方法并分析各种方法适应条件、优缺点,通过噪声级别函数对图像噪声类型、噪声级别进行评估,实现了去噪方法的自适应选择。其次,通过分析基因芯片图像的质量特征,结合现有的对比度增强方法,提出了一种自适应直方图均衡化的对比度增强方法,该算法能够自适应估算基因图像背景强度并基于背景强度进行对比度增强,通过主观分析以及网格定位结果分析,证明改进后的算法更好的增强了图像对比度。最后,本文在基因图像样点分割步骤上,总结了传统的分割方法,现有的聚类分类方法存在的局部分割不准确和分割的抗干扰性、泛化性不足等问题,通过分析基因点大小、位置、灰度信息分布等特征,提出了一种基于聚类的自适应样点分割算法,并通过主观视觉分析和定量实验证明了改进后的算法具有更高的准确性和有效性。
王帆[2](2018)在《图像式DNA芯片扫描仪的自动校准设计》文中指出图像式DNA芯片扫描仪是生物医药研究中快速崛起的一项检测技术,相比于激光共聚焦方式,它具有简单高效的优点,可广泛应用于基因构造探索、新药研发、疾病治疗等领域。国内关于图像式DNA芯片扫描仪的研究较为缓慢也较少,导致了国内的仪器不仅结构复杂而且造价较高。为此,本课题组设计并研制了基于CCD的DNA芯片扫描仪,利用大功率LED作为激发光源,通过设计配套的光路解决了仪器的杂散光问题。针对仪器容易失焦和手动调焦困难的问题,本文重点放在仪器的焦距自动校准设计上,实现了扫描仪的调焦结构,并对相关的图像清晰度评价函数和焦距搜索策略等算法展开研究。本文的主要工作为:(1)介绍DNA芯片的荧光产生原理和常见的两种扫描仪检测方式,分析了与焦距校准相关的概念、镜头成像模型、点扩散函数和光学传递函数。(2)设计了扫描仪的整体结构,选择了合适的大功率LED,并通过光照入口设计、消光暗室、光阑和消光器相结合的方案消除了光路中的99.95%杂散光。然后结合不同调焦方法的优缺点和扫描仪的实际情况,设计了本文的图像式焦距自动校准方案。所设计的方案在原有基础上,添加了步进电机及其驱动、传动轮和同步带实现了校准的硬件结构。(3)聚焦于图像式焦距自动校准的相关算法研究,从灵敏度、抗噪性和实时性出发比较了常见的七种图像清晰度评价函数,得出最适合本文扫描仪的评价函数。在焦距搜索策略上,针对广泛应用的改进型爬山搜索策略提出一种调焦步长寻优方法,通过使用寻优得到的粗调焦步长缩减了调焦总步数,实验证明该方法能提高16.8%的调焦效率。(4)对焦距自动校准的精准性、重复性误差和实时性,扫描仪检测的灵敏度和分辨率进行评测,然后使用同一片遗传缺陷芯片,比对本文扫描仪与博奥扫描仪所得荧光点阵图像的一致性,科学的衡量本文扫描仪的性能。文章最后对本文扫描仪的问题与改进做出了相应的探讨。实验结果显示本文焦距自动校准的精准性强于手动调焦方式,重复性误差为2.1%,最短校准时长为18.72秒,扫描仪的检测灵敏度为1.12flour/um2,分辨率达10.04μm,扫描遗传缺陷芯片所得到的一个荧光点阵与博奥扫描仪相比一致性系数R2为0.95。
左锐[3](2018)在《基于宏基因组学技术研究中药对肠道微生物种群数量的影响》文中认为肠道微生物的研究是近年来非常热门的研究方向之一。肠道微生物是人体内共生数量最多的微生物,其所含有的基因组可被称为“人类第二基因组”,也是生命活动至关重要的一部分,具有诸如营养吸收、代谢调控、免疫调节等已知的生理功能。自美国国立卫生院启动“人类微生物组计划”和欧盟启动肠道元基因组第七框架项目以来,获得了诸多研究成果。经大量研究发现,肠道微生物与肠道疾病、2型糖尿病、肥胖、抑郁症、多种癌症、免疫系统过度活跃等均有关联,这从另一个方面提供了治疗这些疾病的新思路。中药是中华民族千百年流传的瑰宝,其所包含的各种有效成分可以治疗疾病或调理机体功能。对肠道微生物来说,多糖成分对维持肠道微生物种群的平衡具有重要作用,中药可以通过增加益生菌、降低有害菌的方式来实现调控,但具体过程还有待进一步研究。现阶段,由于能够体外培养的微生物种类太少,对肠道微生物的研究主要依靠提取宏基因组DNA和高通量测序技术。本研究比较了三种粪便细菌宏基因组DNA提取方法,综合考虑实验要求、DNA提取效果、操作简便等因素,选择了一种合适方法用于后续实验样本宏基因组DNA的提取;通过给实验小鼠连续灌药的方式,研究两种中药提取物五倍子、诃子以及一种纯品化合物没食子酸对肠道微生物种群数量可能产生的影响;应用Bst DNA聚合酶大片段对粪便样品宏基因组DNA的16S rDNA片段进行等温扩增和荧光标记;尝试应用基因芯片来检测分析肠道菌群,打破了对二代测序的依赖,同时验证了基因芯片检测肠道菌群的可行性。论文研究内容可以为宏基因组DNA提取方法的选择提供参考,可以说明基因芯片检测分析肠道菌群的可行性、简便性、时效性,为有关肠道微生物的研究方法开辟了一个新方向。研究发现,中草药提取物五倍子、诃子及纯品化合物没食子酸对肠道微生物具有一定的调控作用。未来,将肠道菌群基因芯片应用于临床检测和科研探索,不仅成本较二代测序低廉,且效率会得到大幅提高。
许伟明[4](2017)在《新一代a-CGH芯片的研制与分析算法研究》文中研究指明随着2016年我国全面二孩政策的实施以及近年我国老年化程度的日益加剧,产前诊断以及癌症等复杂疾病的检测需要,变得越来越迫切。虽然单核苷酸多态性(Single nucleotide polymorphisms,SNPs)是造成很多疾病发生的原因,但SNPs无法解释多基因多过程参与调控的癌症、出生缺陷、心血管疾病、精神疾病等复杂疾病。基因拷贝数变异(Copy number variations,CNVs)的发现则及时弥补了其不足。科学家深入研究发现大量CNVs与这些疾病息息相关,CNVs的检测则变得尤为重要。21世纪初,人类基因组计划(Human genome projection,HGP)的完成,极大推动了基因芯片的发展。人类全基因组芯片是涉及面最广覆盖面最全的基因芯片,可以检测人类诸多疾病。新一代微阵列比较基因组杂交(array-comparative genomic hybridization,a-CGH)芯片检测 CNVs 具有高通量、高自动化、高灵敏度、易重复、平行性等特点,为此我们开展相关研究。研究制备全基因组新一代a-CGH芯片并进行数据分析,关键步骤在于探针制备、点样与后期分析。主要内容有:(1)新一代a-CGH芯片探针扩增:采用Bst DNA聚合酶大片段等温扩增技术扩增探针。利用克隆Bst DNA聚合酶大片段,经过扩培、诱导表达、纯化、浓缩等步骤成功生产近二十批次共70ml浓缩酶;(2)新一代a-CGH芯片探针处理:23033组探针集,1700多万条特异探针序列经等温扩增后,经过一系列生物、化学处理,最后测定并调整探针集浓度,使浓度均匀适于直接点样;(3)新一代a-CGH芯片的杂交扫描:样品DNA经等温扩增后用不同荧光染料Cy3、Cy5标记,杂交于新一代a-CGH芯片并扫描;(4)新一代a-CGH芯片的大数据分析:通过点样参数设置制作定位文件将扫描a-CGH芯片图上每个探针点转换成数据,通过算法分析处理,得到拷贝数变异情况可视图,并合理分析解释。本课题研究在我国重大疾病检测的发展进程中具有重要意义。通过改进实验方案,成功研制出新一代人全基因组a-CGH芯片。a-CGH芯片可检测人全套染色体的拷贝数变异并合理利用算法分析得到染色体位置对应基因拷贝数变异具体情况直观图。形成了一整套实验分析流程。
杨宇[5](2016)在《基因芯片检测仪的关键技术研究》文中研究表明在疾病诊断领域,相比传统的抗体检测方法,基于基因芯片技术的核酸检测方法在检测速度、灵敏度和准确性上有很大的优势。该技术利用同一样本可同时检测多种疾病,早期诊断率也将大大提高。在基因芯片检测系统上的研究国内还处在起步阶段,因此开发出一套适应于核酸检测的检测仪器成为亟需研究的课题。本文主要做了以下工作:1、针对检测系统对运动精度和环境的要求,论文设计制作了一套运动控制系统,并开发了控制软件,能够实现从放入芯片到完成扫描的一系列运动过程;2、针对PCR系统对于多通道、升降温速度和温控准确的要求,通过控制空气介质的温度来实现PCR杂交过程,通过PID算法以及“双温双控”思想实现PCR恒温控制阶段的高准确度和高速升降温的要求;3、设计了基于光电倍增管的荧光信号检测系统,荧光信号在放大倍增后通过测光探测器输出电压信号,再由A/D采样器输入上位机,在通过二维平台扫描芯片各点信号,得到完整的芯片荧光信号。通过上述的设计和研究,在本文开发的样机上,实现了完整的运动过程。通过实验分析,在22℃的条件下,PCR系统中升降温速率达到了5℃/s,温控的准确性保证在1℃范围内,优化后的PCR风场均匀性也满足了设计要求,验证了荧光检测系统设计原理的正确,为检测仪的研制打下了基础。
周梁[6](2014)在《基于EED滤波和Snake模型的基因芯片图像分割算法研究》文中研究说明随着生物科学的迅猛发展和“人类基因组工程”的完成,生物基因芯片的研究已成为全世界生命科学工作者的共同课题。对基因芯片信息的分析研究,亦被置于生物芯片技术领域的核心位置。基因芯片技术,其原理与经典核酸分子杂交方法相同,是按照预定位置固定在载体上微小面积内大量核酸分子构成的微阵列点阵,利用分子杂交及并行处理原理,能够在同一时间内进行大量信息检测分析。相较传统生物DNA检测技术是一次重大创新和飞跃,对基因表达分析、病毒检测、新药物发现、设备开发等领域做出了巨大推动。因此对于基因芯片的图像处理有着重要研究意义。经过近三十年的研究,对于传统的基因芯片已开发出了较为成熟的图像分析算法,主要处理过程有:图像的预处理,网格化,靶点分割以及信号提取。其中,图像分割是重点,分割精确性直接影响信号亮度的提取;也是难点所在,尤其对于一些无规则排列的基因芯片,无法进行网格化操作,进而传统分割方法难以奏效,针对这个问题,本文提出了一种基于Snake模型的分割算法。本文从图像获取开始,综合全面地阐述了对于基因芯片的图像处理的整个过程,首先对图像进行灰度转换,利用对比度拉升及Top-Hat变换进行图像增强,并根据基因芯片图像具有多边界这一特点,提出了基于边缘增强扩散(EED)的滤波方法,该方法在滤除边缘噪声边的同时,很好地平滑和保护了靶点边界。并且滤波效果优于其他常用滤波方法。接着采用基于Snake模型的主动轮廓线分割法进行图像分割,该方法对于灰度不均匀,弱边界有较好效果。最后根据分割结果,对信号强度进行提取,并进行了可视化表达。分割中针对基因靶点可能出现的粘连现象,本文以Snake模型分割法为主,同时加入了Watershed分割法,所形成的分割线能有效解决靶点粘连这一问题,使本文算法成为一种综合性的通用于目前大多数已知基因芯片的分割处理算法。
尹宁[7](2012)在《基因芯片识别系统研究》文中研究指明随着人类基因组计划(Human Genome Project)的提出并实施,电子信息技术的高速发展,越来越多的生物信息学技术得到了广泛应用。特别是基因芯片技术由于其强大的基因组信息分析功能,应用于生物科学的众多领域,成为许多研究机构研究的重点。为了能够实现基因芯片样点信号快速、高效、准确的检测和分析,本文主要研究设计了一套完整地基因芯片识别体系,希望能够推动基因芯片技术进一步完善,并且推广应用于更多领域。下面介绍主要工作内容:1.研究设计出了较为科学高效的基因芯片识别系统的一般过程。参照文献及以往基因芯片识别研究的成果,本文对常规的基因芯片识别系统进行了改进,特别地在基因芯片图像预处理过程中,加入了图像增强步骤,专门用于改善基因芯片图像灰度范围小、基因样点与背景图像对比不大的问题,为后续的图像处理提供了帮助。2.针对基因芯片图像大多存在一定的噪声,亮斑干扰等问题。在基因芯片图像去噪阶段,本文通过仿真比较,选用了滤波效果较好的自适应中值滤波算法。该算法采用动态确定滤波窗口的大小方式,处理存在复杂噪声的基因芯片图像,既有效地滤除噪声,又能完整地保留基因样点的边缘以及细节特征。3.基因芯片识别系统中图像网格定位过程是十分关键。本文采用改进的投影算法对基因芯片图像进行网格定位,该算法在经典算法的基础上加入了功率谱计算的步骤。通过仿真实验验证该算法可以准确的计算出基因样点间隔值,从而能够得到较好的网格定位效果。4.为了更加准确的提取出基因样点的特征参量数值,计算出基因样点图像的阈值十分重要。通过仿真比较各种阈值分割算法,本文采用最小误差阈值分割算法计算该阈值。该算法是广泛应用的图像处理算法,以往未被用于基因芯片图像的处理,但从仿真结果中可以看出该算法原理简单,便于实现,处理与背景对比度较差的基因样点效果明显。5.在文章的最后,本文应用设计的基因芯片识别系统,对从实验室中获取的病毒特性检测基因芯片图像进行分析处理,并且对基因芯片识别系统的功能和效果进行评估。评估结果显示该系统能够成功的把不同病毒类型的基因样点区分开来,准确率较高。但是对于同一病毒不同浓度的样本分类,准确率不高,还需要以后努力工作弥补不足,进一步完善。
李知瑶[8](2011)在《基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理》文中研究表明基因中包含着大量的遗传信息,对这些信息的研究有着深远的意义。但是以往的研究方法在处理高通量的基因信息时效率低下,于是80年代中期一种高效准确的基因芯片技术应运生。基因芯片有广泛的应用领域,是科研的一个热点方向。图像处理则是基因芯片应用中不可或缺的一个重要步骤,通过有效的图像处理可高效精确的获得芯片所包含的高通量信息。因此基因芯片的图像处理有着非常重要的研究意义。本文主要针对基因芯片的图像处理进行研究。对图像处理包含的主要步骤:图像预处理,网格定位,图像分割以及分割效果的评价,信号提取分别进行了介绍。图像预处理和网格定位都是为了分割能够更好更准确的进行。分割是图像处理的难点,分割的好坏直接影响最终信号提取的结果。所以本文将基因芯片图像分割技术作为重点。本文对于基因芯片的图像分割的整个过程展开了全面的研究,从分割算法到算法的评价都进行了详细的阐述。并且在总结前人的分割算法的基础上,提出了一种基于Fuzzy c-means聚类的自适应基因芯片图像分割方法,并且在此算法的基础上进行了进一步的改进提出了基于粒子群优化的Fuzzy c-means聚类的基因芯片图像分割算法,比原先的聚类方法抗噪能力更强,且不容易陷入局部最优。为了更客观的评价算法的分割效果,本文介绍了多种分割算法评价准则,并提出了一种使用合成图像对基因表达比率进行最终测量精度评价的准则。最终使用多种评价准则对于常用的基因芯片图像分割方法和本文提出的分割算法进行了评价和比较。
肖丁[9](2011)在《生物芯片图像分析与处理方法的研究》文中认为生物芯片自产生以来,由于其巨大的临床应用价值和研究潜力得到了人们广泛的重视,成为目前人们研究的热点之一。生物芯片图像是生物芯片技术中的一个重要组成部分,伴随着生物芯片技术的发展,如何对由生物芯片检测仪获取的含噪低对比度生物芯片图像进行有效地分析和处理,如图像的去噪、低对比度增强等,也是人们研究的一个焦点。本文针对目前国内外关于图像分析和处理的研究现状展开一些研究,并将研究成果有效地应用在生物芯片图像的分析和处理上。小波分析常用在非平稳信号的分析和处理中,具有良好的时频域分析特征和多分辨率分析能力,然而对于具有丰富的纹理特征的图像信号,不是最优的表达。曲波具有良好的线奇异性和各向异性,是目前关于图像分析和处理研究方法的一个新方向。针对生物芯片图像的降噪处理,本文提出了一种新的方法,在第二代曲波变换的基础上,结合Cycle Spinning算法,将模糊函数应用到阈值函数,对传统的软阈值函数做出了一定的改进。实验结果证明,该算法具有稳健的性能,有效地保持了图像的边缘和细节特征,明显地改善了降噪效果。针对生物芯片图像的增强处理,本文提出一种改进的非线性增强函数,提高了曲波增强方法的自适应度,避免了传统的曲波图像增强中非线性增益函数通常需要调节多个参数的问题。为了突出整体信息,提高对比度和改善视觉效果,本文算法将空间域非线性增强和曲波非线性增强处理相结合,通过实验证明,取得了良好的增强效果。
徐兆华[10](2010)在《基因芯片数据统合分析方法的若干拓展》文中研究表明鉴别不同生物学条件下的差异表达基因(DEG)是基因芯片的一个重要应用领域。实验结果重复性差是基因芯片研究中遇到的主要问题之一。样本容量(芯片重复数量)小是造成这种状况的重要原因。将不同来源的芯片实验数据或结果进行统合分析是解决这一难题的有效途径。本研究在三方面对基因芯片数据统合分析的方法进行了拓展:1)将目前非常流行的芯片分析软件SAM应用于统合分析;2)对相反生理过程的芯片数据进行统合分析;3)对多个相关生理过程的无重复芯片实验数据进行统合分析。用实际的芯片实验数据对这些拓展的可行性进行了检验。主要结果如下:1.第一项研究的实例包含4个不同来源的拟南芥冷胁迫试验(4℃处理24小时)的芯片数据。对4个试验单独分析的结果表明,各个试验中检测到的DEG数量和列表差异很大。在总共大约13000个被检基因中,能够同时被4个试验检测到的上、下调基因分别只有317和132个。而利用SAM软件进行统合分析则分别检测到3134个上调基因和2983个下调基因。大多数(>80%)同时在2个以上试验中检测到的差异表达基因都能够被统合分析检测到。GO分析和启动子区调控元件分析证明,统合分析检测到的基因是与冷害胁迫相关的。这些结果表明,SAM应用于统合分析是可行的。2.第二项研究的实例包含一套干旱胁迫和一套复水处理的拟南芥芯片数据,其中干旱和复水试验分别有4张和2张芯片,含24132个基因。同时用SAM和一个统合分析专门软件RankProd进行分析,二者对干旱试验数据的单独分析分别检测到1860和1188个DEG。考虑到干旱和复水是两个相反的生理过程,故将复水数据乘以(-1),与干旱数据合并进行统合分析,两个软件分别检测到2306和1978个DEG。比较发现,绝大多数从干旱数据单独分析检测到的DEG都能被统合分析检测到。GO分析和启动子区调控元件分析表明,统合分析得到的DEG确实与干旱胁迫有关。这些结果说明,将两个相反生理过程的芯片数据进行统合分析是可行的,能够比独立分析检测到更多、更可靠的DEG。SAM且有比RankProd更高的统计功效。3.第三项研究的实例包含6个不同的稻瘟菌附着胞诱发试验的芯片数据(包含10120个基因)。由于每个试验都只有1张芯片,因此都无法单独进行统计分析,只能以2倍变化为标准来判断DEG。比较结果表明,同时被6个试验单独分析检测到的差异表达基因只有67个。用SAM软件对6个试验的数据进行统合分析,结果分别检测到485个上调基因和457个下调基因。GO分析表明,这些DEG是与附着胞发育有关的,与其他学者的研究结果相吻合。这些结果说明,相关生理过程的芯片数据的统合分析是可行的。总之,实际应用表明,本研究对统合分析方法的三个方面的拓展都是可行的,为大量芯片数据的再分析提供了有价值的思路。
二、一种适用于基因芯片扫描仪的图像恢复算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种适用于基因芯片扫描仪的图像恢复算法(论文提纲范文)
(1)基因芯片图像的自适应增强与分割算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 基因芯片图像处理国内外研究现状 |
1.2.1 基因芯片图像预处理的研究现状 |
1.2.2 基因芯片图像样点分割的研究现状 |
1.2.3 现有研究存在的问题分析 |
1.3 本文的研究内容及章节安排 |
1.3.1 研究内容 |
1.3.2 章节安排 |
第二章 基因芯片图像处理概述 |
2.1 基因芯片简介 |
2.2 基因芯片的制备与分析 |
2.2.1 基因芯片的分类 |
2.2.2 基因芯片的制备方法 |
2.2.3 基因芯片的分析 |
2.3 基因芯片图像预处理 |
2.3.1 图像获取 |
2.3.2 中值滤波 |
2.3.3 非局部均值滤波 |
2.3.4 BM3D滤波去噪 |
2.3.5 灰度变换法 |
2.3.6 直方图均衡化 |
2.4 基因芯片图像网格定位 |
2.5 基因图像样点分割方法概述 |
2.5.1 图像分割概述 |
2.5.2 传统基因图像分割软件 |
2.5.3 基于分类的图像分割 |
2.5.4 基于聚类的图像分割 |
2.6 本章小结 |
第三章 基因芯片图像的自适应预处理 |
3.1 基因芯片图像质量分析 |
3.1.1 基因图像质量 |
3.1.2 基因图像噪声类别 |
3.2 基于噪声类别评估的自适应去噪 |
3.2.1 同质区域获取 |
3.2.2 肯德尔相关系数计算 |
3.2.3 噪声水平函数建模 |
3.2.4 噪声水平函数模型求解 |
3.2.5 基于噪声参数的自适应去噪 |
3.3 自适应去噪结果分析 |
3.3.1 主观定性对比 |
3.3.2 去噪结果定量分析 |
3.4 基因图像自适应对比度增强 |
3.4.1 基因芯片图像对比度分析 |
3.4.2 基于背景值估计的改进直方图均衡化 |
3.5 对比度增强结果分析 |
3.6 本章小结 |
第四章 基因芯片图像样点分割 |
4.1 聚类初始聚类中心的选择 |
4.1.1 聚类的初始聚类中心 |
4.1.2 初始聚类中心的改进 |
4.2 基因芯片图像特征定义及提取 |
4.2.1 特征的定义 |
4.2.2 特征的提取 |
4.3 基于模糊C均值聚类的基因芯片图像分割 |
4.4 基因图像分割结果自适应调整 |
4.5 信号提取及分析 |
4.5.1 信号提取 |
4.5.2 数据表达 |
4.6 基因芯片图像数据集 |
4.6.1 模拟数据集 |
4.6.2 真实数据集 |
4.7 图像分割结果分析 |
4.7.1 图像分割效果评价指标 |
4.7.2 全局主观定性分析 |
4.7.3 全局客观定量分析 |
4.7.4 局部分析 |
4.7.5 仿真图像分割结果 |
4.8 本章总结 |
第五章 总结与展望 |
参考文献 |
硕士期间科研成果 |
致谢 |
(2)图像式DNA芯片扫描仪的自动校准设计(论文提纲范文)
中文摘要 |
Abstract |
第一章 引言 |
1.1 课题研究背景及意义 |
1.2 DNA芯片及其扫描仪的研究现状 |
1.3 DNA芯片扫描仪的焦距校准研究现状 |
1.4 图像式焦距自动校准的研究现状 |
1.4.1 国外研究现状 |
1.4.2 国内研究现状 |
1.5 论文研究目标和研究内容 |
第二章 焦距自动校准的扫描仪原理 |
2.1 荧光产生的原理 |
2.2 扫描仪检测方式 |
2.2.1 激光共聚焦方式 |
2.2.2 CCD检测方式 |
2.3 焦距自动校准的概念与特点 |
2.4 焦距自动校准的成像分析 |
2.4.1 镜头成像模型 |
2.4.2 点扩散函数与光学传递函数 |
2.5 本章小结 |
第三章 焦距自动校准的扫描仪设计 |
3.1 扫描仪设计 |
3.1.1 扫描仪结构 |
3.1.2 光源选择 |
3.1.3 光路设计 |
3.1.4 扫描仪检测流程 |
3.2 焦距校准的传统方案 |
3.3 本文图像式焦距自动校准方案 |
3.3.1 校准方案分析 |
3.3.2 校准方案设计 |
3.3.3 焦距校准流程 |
3.4 本文焦距校准方案的实现 |
3.4.1 CCD相机与镜头 |
3.4.2 单片机 |
3.4.3 步进电机与驱动 |
3.4.4 荧光校准芯片 |
3.5 扫描仪实物图 |
3.6 本章小结 |
第四章 焦距自动校准的算法研究 |
4.1 常用图像清晰度评价函数 |
4.1.1 空域评价函数 |
4.1.2 频域评价函数 |
4.1.3 图像熵评价函数 |
4.1.4 统计学评价函数 |
4.2 图像清晰度评价函数实验分析 |
4.2.1 理想评价函数特性 |
4.2.2 评价函数性能对比 |
4.2.3 本文评价函数选择 |
4.3 焦距校准窗口的选择 |
4.3.1 窗口选择方法 |
4.3.2 窗口选择实验分析 |
4.4 常见焦距搜索策略 |
4.4.1 0.618搜索法 |
4.4.2 抛物线搜索法 |
4.4.3 传统爬山搜索法 |
4.4.4 一种改进型爬山搜索法 |
4.5 基于寻优调焦步长的爬山搜索改进 |
4.5.1 调焦步长寻优方法 |
4.5.2 爬山搜索流程 |
4.5.3 实验分析 |
4.6 本章小结 |
第五章 焦距自动校准的扫描仪性能评测 |
5.1 实验设计与分析 |
5.2 性能评测 |
5.2.1 焦距自动校准的精准性 |
5.2.2 焦距自动校准的重复性误差 |
5.2.3 焦距自动校准的实时性 |
5.2.4 扫描仪检测灵敏度 |
5.2.5 扫描仪检测分辨率 |
5.2.6 扫描仪检测结果对比 |
5.3 本章小结 |
结论 |
参考文献 |
致谢 |
个人简历 |
在学期间的研究成果及发表的学术论文 |
(3)基于宏基因组学技术研究中药对肠道微生物种群数量的影响(论文提纲范文)
中文摘要 |
Abstract |
第一章 引言 |
1.1 肠道微生物 |
1.1.1 肠道微生物的组成 |
1.1.2 肠道微生物的生理功能 |
1.1.2.1 营养与吸收 |
1.1.2.2 代谢调控 |
1.1.2.3 免疫功能 |
1.2 肠道微生物与疾病 |
1.2.1 肠易激综合征(Irritable bowel syndrome,IBS) |
1.2.2 肥胖 |
1.2.3 糖尿病 |
1.2.4 癌症 |
1.3 宏基因组学 |
1.4 中草药与肠道微生物 |
1.4.1 五倍子 |
1.4.2 诃子 |
1.4.3 没食子酸 |
1.5 检测分析技术 |
1.5.1 高通量测序 |
1.5.2 基因芯片 |
1.5.3 聚合酶链式反应(polymerase chain reaction,PCR) |
1.5.3.1 基于16S rRNA/rDNA的PCR |
1.5.3.2 实时荧光定量PCR |
1.5.4 DNA指纹图谱 |
1.5.4.1 肠道细菌基因间重复序列-PCR(enterobacterial repetitive intergenicconsensus PCR, ERIC-PCR) |
1.5.4.2 变性梯度凝胶电泳(DGGE)/温度梯度凝胶电泳(TGGE) |
1.5.5 荧光原位杂交(fluorescent in situ hybridization,FISH) |
1.6 研究内容和创新之处 |
1.6.1 研究内容 |
1.6.2 创新之处 |
第二章 肠道微生物宏基因组DNA提取方法的比较 |
2.1 实验材料 |
2.1.1 粪便样品 |
2.1.2 主要试剂 |
2.1.3 仪器设备 |
2.2 方法 |
2.2.1 试剂盒法 |
2.2.2 CTAB-SDS法 |
2.2.3 宏基因组质量检测 |
2.2.4 16S rDNA PCR扩增 |
2.2.5 宏基因组DNA限制性酶切 |
2.2.6 高通量测序比较菌群差异 |
2.3 结果与分析 |
2.3.1 小鼠肠道微生物宏基因组DNA的电泳检测图 |
2.3.2 宏基因组DNA浓度及纯度分析 |
2.3.3 16S rDNA PCR的扩增 |
2.3.4 宏基因组DNA酶切效果 |
2.3.5 微生物多样性测序丰度 |
2.4 小结与讨论 |
第三章 中草药及化合物对肠道微生物种群数量的影响 |
3.1 材料 |
3.1.1 实验动物 |
3.1.2 药物 |
3.1.3 菌株与试剂 |
3.1.4 基因芯片 |
3.1.5 溶液配方 |
3.1.6 仪器设备 |
3.2 方法 |
3.2.1 动物实验 |
3.2.1.1 实验动物分组 |
3.2.1.2 实验动物给药及样品收集 |
3.2.2 粪便样品宏基因组DNA的提取 |
3.2.3 宏基因组DNA质量鉴定 |
3.2.4 16S rDNA PCR扩增 |
3.2.5 Bst标记扩增及染色 |
3.2.5.1 Bst DNA聚合酶的纯化 |
3.2.5.2 Bst标记扩增 |
3.2.5.3 碱消化 |
3.2.5.4 染色 |
3.2.6 肠道菌群基因芯片杂交 |
3.2.7 芯片扫描 |
3.2.7.1 杂交后清洗 |
3.2.7.2 图像采集 |
3.2.8 数据转换与运算 |
3.3 结果与分析 |
3.3.1 宏基因组DNA质量检测 |
3.3.2 16S rDNA PCR鉴定 |
3.3.3 重组Bst DNA聚合酶大片段的表达纯化 |
3.3.4 Bst等温扩增产物浓度测定 |
3.3.5 荧光染料Cy5标记效果 |
3.3.6 肠道菌群基因芯片杂交与扫描 |
3.3.7 数据转换与运算 |
3.3.8 中草药提取物对肠道微生物种群的影响 |
3.3.8.1 五倍子对肠道菌群的影响 |
3.3.8.2 诃子对肠道菌群的影响 |
3.3.9 没食子酸对肠道微生物种群的影响 |
3.4 小结与讨论 |
结论与展望 |
参考文献 |
致谢 |
附录 |
个人简历、在学期间的研究成果及发表的学术论文 |
(4)新一代a-CGH芯片的研制与分析算法研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 引言 |
1.1 基因芯片概述 |
1.1.1 基因芯片 |
1.1.2 基因芯片实验原理 |
1.1.3 基因芯片制备方式 |
1.1.4 基因芯片信号检测方法 |
1.2 基因拷贝数变异 |
1.2.1 基因拷贝数变异简介 |
1.2.2 基因拷贝数变异的形成与作用机理 |
1.2.3 基因拷贝数变异与疾病 |
1.3 新一代a-CGH芯片技术 |
1.3.1 新一代a-CGH芯片主要分类与特点 |
1.3.2 新一代a-CGH芯片技术流程 |
1.3.3 新一代a-CGH芯片数据获取与归一化 |
1.4 新一代a-CGH芯片在重要疾病诊断方面的应用 |
1.4.1 在出生缺陷诊断方面的应用 |
1.4.2 在肿瘤诊断方面的应用 |
1.5 研究目的与意义 |
1.6 研究内容 |
1.7 研究特色与创新 |
第二章 新一代a-CGH芯片的研制 |
2.1 实验材料 |
2.1.1 全基因组探针文库 |
2.1.2 菌种与载体 |
2.1.3 试剂药品 |
2.1.4 主要溶液与配制 |
2.1.5 仪器设备 |
2.2 实验方法 |
2.2.1 扩增技术 |
2.2.1.1 PCR扩增技术 |
2.2.1.2 等温扩增技术 |
2.2.2 等温扩增酶:Bst DNA聚合酶大片段 |
2.2.2.1 菌落PCR验证 |
2.2.2.2 Bst DNA聚合酶大片段表达纯化 |
2.2.2.3 Bst DNA聚合酶大片段的酶活与污染检测 |
2.2.3 探针集的等温扩增 |
2.2.3.1 23033组探针集模板由来 |
2.2.3.2 全基因组23033组探针集的等温扩增 |
2.2.4 探针集处理 |
2.2.4.1 探针沉淀及烷化处理 |
2.2.4.2 探针浓度调整及转移 |
2.2.5 玻片及点样处理 |
2.3 实验结果与讨论 |
2.3.1 探针扩增 |
2.3.1.1 Bst DNA聚合酶大片段菌落PCR |
2.3.1.2 Bst DNA聚合酶大片段蛋白电泳 |
2.3.1.3 Bst DNA聚合酶大片段生产结果 |
2.3.1.4 全基因组23033组探针集等温扩增 |
2.3.2 探针处理结果 |
2.3.2.1 乙酸-N-琥珀酰亚胺酯处理 |
2.3.2.2 探针处理后浓度测定与调整 |
2.3.3 新一代a-CGH芯片制成 |
第三章 新一代a-CGH芯片杂交与扫描 |
3.1 实验材料 |
3.1.1 试剂药品 |
3.1.2 溶液与配制 |
3.1.3 仪器设备 |
3.2 实验方法 |
3.2.1 样本DNA扩增及标记 |
3.2.2 新一代a-CGH芯片杂交 |
3.2.3 a-CGH芯片扫描 |
3.3 实验结果与讨论 |
3.3.1 基因组扩增及标记 |
3.3.2 芯片扫描 |
第四章 数据转换与算法分析 |
4.1 实验材料 |
4.2 实验方法 |
4.2.1 数据转换 |
4.2.2 数据分析 |
4.3 实验结果与讨论 |
4.3.1 探针集定位与数据提取结果 |
4.3.2 数据分析结果 |
4.3.3 结果讨论 |
结论与展望 |
参考文献 |
致谢 |
个人简历 |
在学期间的研究成果及发表的学术论文 |
(5)基因芯片检测仪的关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景 |
1.2 课题国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 课题研究目的和意义 |
1.4 课题主要研究内容 |
第二章 基因芯片检测仪系统总体方案设计 |
2.1 总体功能设计 |
2.2 通讯方案设计 |
2.3 运动控制方案设计 |
2.3.1 三轴运动系统设计 |
2.3.2 门运动控制系统设计 |
2.4 荧光检测系统方案设计 |
2.4.1 荧光检测扫描方式设计 |
2.4.2 A/D采样模块方案设计 |
2.5 本章小结 |
第三章 基因芯片检测仪系统硬件设计 |
3.1 各模块控制器选型 |
3.1.1 运动控制卡选型 |
3.1.2 PCR模块控制器的选型 |
3.1.3 荧光检测模块控制器选型 |
3.2 电源模块设计 |
3.3 运动控制模块设计 |
3.3.1 直流电机模块设计 |
3.3.2 步进电机模块设计 |
3.3.3 伺服电机模块设计 |
3.3.4 霍尔传感器限位开关模块设计 |
3.4 PCR温控模块设计 |
3.4.1 PCR仪主控板设计 |
3.4.2 温度传感器模块设计 |
3.4.3 开放式用户界面控制器选型 |
3.5 荧光检测模块设计 |
3.5.1 光电检测模块选型 |
3.5.2 AD转换模块设计 |
3.6 本章小结 |
第四章 基因芯片检测仪系统软件设计 |
4.1 运动控制模块软件设计 |
4.1.1 上位机控制模块软件设计 |
4.1.2 DMC1380运动控制卡程序设计 |
4.1.3 直流电机模块软件设计 |
4.2 通讯模块软件设计 |
4.2.1 上位机通讯模块设计 |
4.2.2 STC从机通讯程序设计 |
4.2.3 STM32从机通讯程序设计 |
4.3 PCR仪软件设计 |
4.3.1 PCR仪上位机软件设计 |
4.3.2 PCR仪下位机软件设计 |
4.3.3 PS-LCD触摸屏软件设计 |
4.4 荧光检测软件设计 |
4.4.1 上位机软件设计 |
4.4.2 下位机软件设计 |
4.5 二维码录入软件设计 |
4.6 系统数据库设计 |
4.6.1 系统数据库E-R模型设计 |
4.6.2 系统数据库表结构设计 |
4.7 本章小结 |
第五章 实验与优化 |
5.1 PCR仪风场均匀性实验 |
5.1.1 PCR仪结构改造前风场均匀性实验 |
5.1.2 PCR仪结构改造后风场均匀性实验 |
5.1.3 风场均匀性实验实验小结 |
5.2 K型热电偶校准实验 |
5.3 PCR仪“双温双控”温控实验 |
5.4 PCR仪恒定温度控制实验 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
附录 |
(6)基于EED滤波和Snake模型的基因芯片图像分割算法研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 选题依据与意义 |
1.2 基因芯片图像处理技术在国内外研究现状 |
1.3 论文主要内容及安排 |
第二章 基因芯片综述 |
2.1 基因芯片概念 |
2.2 基因芯片的制成 |
2.3 基因芯片技术的应用 |
第三章 数字图像预处理技术 |
3.1 数字图像 |
3.2 图像灰度处理 |
3.3 滤波去噪 |
3.3.1 几种常见的噪声模型 |
3.3.2 平滑滤波 |
3.3.3 锐化滤波器 |
3.3.4 形态学滤波 |
3.4 本章小结 |
第四章 基于 EED 滤波的基因芯片处理 |
4.1 EED 算法概述 |
4.1.1 传统 nonlinear diffusion 滤波 |
4.1.2 EED 滤波算法 |
4.2 基于 EED 滤波的实验结果分析 |
4.3 几种滤波效果的比较 |
4.4 本章小结 |
第五章 基因芯片图像分割 |
5.1 图像分割概述 |
5.2 常用的图像分割算法 |
5.2.1 边缘点检测分割算法 |
5.2.2 基于像素相似性的分割 |
5.2.3 基于其他理论的图像分割技术 |
5.3 基因芯片常用分割方法 |
5.3.1 基于网格的圆形分割法 |
5.3.2 基于 Mann-whitney 检验的分割方法 |
5.3.3 Matarray 分割算法 |
5.3.4 最大方差阈值分割 |
5.4 基于 SNAKE 模型的基因芯片图像分割 |
5.4.1 传统 Snake 模型算法 |
5.4.2 基于 Snake 的边界保护的梯度矢量流 |
5.4.3 基于 Snake 的局部二值适应性主动轮廓线模型 |
5.4.4 基于 Snake 模型的基因芯片分割应用 |
5.4.5 Watershed 分割法 |
5.5 本章小结 |
第六章 亮度信号的可视化表达 |
6.1 基因芯片信号亮度计算与表达 |
6.1.1 亮度均值计算 |
6.1.2 数据表达 |
6.2 本章小结 |
第七章 总结与展望 |
参考文献 |
攻读学位期间本人出版或公开发表的论着、论文 |
致谢 |
(7)基因芯片识别系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.2 课题背景及研究意义 |
1.3 基因芯片技术介绍 |
1.3.1 基因芯片技术的主要步骤 |
1.3.2 基因芯片图像的采集 |
1.4 基因芯片识别系统介绍 |
1.5 国内外研究现状 |
1.5.1 图像预处理 |
1.5.2 基因芯片图像识别 |
1.5.3 数据提取和数据分析 |
1.6 基因芯片识别系统应用领域 |
1.7 论文章节安排 |
第2章 基因芯片图像预处理 |
2.1 引言 |
2.2 图像灰度化 |
2.3 图像滤波 |
2.3.1 中值滤波 |
2.3.2 自适应中值滤波 |
2.4 图像增强 |
2.4.1 直方图均衡化 |
2.4.2 对比度增强法 |
2.5 本章小结 |
第3章 基因芯片图像识别 |
3.1 引言 |
3.2 图像网格定位 |
3.2.1 投影法网格定位 |
3.2.2 改进的网格定位算法 |
3.3 图像分割 |
3.3.1 阈值分割算法 |
3.3.2 迭代法 |
3.3.3 最大类间差算法 |
3.3.4 最小误差阈值算法 |
3.4 边缘检测算法 |
3.5 本章小结 |
第4章 数据提取和数据分析 |
4.1 引言 |
4.2 数据提取的主要参数 |
4.2.1 基因样点平均灰度 |
4.2.2 基因样点形态参数 |
4.3 数据提取方法 |
4.3.1 平均灰度和面积的计算 |
4.3.2 周长和圆度的计算 |
4.4 数据分析 |
4.4.1 k 均值聚类算法 |
4.4.2 层次聚类分析法 |
4.4.3 模糊聚类分析法 |
4.5 本章小结 |
第5章 实验与结果 |
5.1 引言 |
5.2 基因芯片图像的来源 |
5.2.1 基因芯片制备原理 |
5.2.2 基因芯片设计 |
5.3 基因芯片图像分析 |
5.3.1 基因芯片图像预处理 |
5.3.2 基因芯片图像识别 |
5.4 数据提取和数据分析 |
5.4.1 k 均值聚类分析 |
5.4.2 层次聚类分析 |
5.4.3 模糊聚类分析 |
5.5 效果评估 |
5.6 本章小结 |
第6章 全文总结 |
6.1 本文的研究背景与研究目标 |
6.2 本文完成的主要工作 |
6.3 需要解决的问题 |
参考文献 |
作者简介 |
攻读硕士学位期间参加的科研项目 |
致谢 |
(8)基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题的依据与意义 |
1.2 基因芯片图像处理的研究现状 |
1.3 论文各部分主要内容 |
第二章 基因芯片概况 |
2.1 基因芯片简介 |
2.2 基因芯片制备 |
2.3 基因芯片技术的应用领域与意义 |
第三章 基因芯片图像预处理 |
3.1 灰度处理 |
3.1.1 灰度转换 |
3.1.2 常用的灰度变换处理 |
3.2 滤波处理 |
3.2.1 主要的噪声模型 |
3.2.2 频率域滤波 |
3.3 本章小结 |
第四章 网格定位 |
4.1 网格定位概述和常用方法 |
4.2 常用的网格定位方法 |
4.3 基于像素投影的网格定位 |
4.4 本章小结 |
第五章 基因芯片图像分割 |
5.1 图像分割概述 |
5.2 常用的图像分割方法 |
5.2.1 基于像素不连续性的分割算法 |
5.2.2 基于像素相似性的分割算法 |
5.3 常用的基因芯片图像分割算法 |
5.3.1 固定圆分割法 |
5.3.2 自适应圆分割法 |
5.3.3 基于形态学分水岭的分割方法 |
5.3.4 基于Mann-whitney 检验的分割方法 |
5.3.5 Matarray 分割算法 |
5.4 基于Fuzzy c-mean 聚类算法的基因芯片图像分割方法 |
5.5 基于模糊核聚类算法的基因芯片图像分割方法 |
5.6 基于粒子群优化的Fuzzy c-mean 聚类算法的基因芯片图像分割方法 |
5.6.1 粒子群算法 |
5.6.2 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像分割方法 |
5.7 图像分割效果评价 |
5.7.1 分析方法的常用准则 |
5.7.2 优度值方法常用准则 |
5.7.3 误差测量方法 |
5.7.4 最终测量精度准则 |
5.7.5 合成图的优点和使用 |
5.8 基于最终精度准则的基因芯片图像分割效果评价 |
5.9 综合评价 |
5.10 本章小结 |
第六章 信号提取 |
6.1 信号强度计算 |
6.2 可视化表达 |
6.3 本章小结 |
第七章 结论与展望 |
参考文献 |
攻读学位期间本人出版或公开发表的论着、论文 |
致谢 |
(9)生物芯片图像分析与处理方法的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题背景 |
1.2 生物芯片技术及其图像获取 |
1.2.1 生物芯片技术及其发展现状 |
1.2.2 生物芯片图像的获取 |
1.2.3 生物芯片荧光图像特征 |
1.3 基于曲波变换的生物芯片图像降噪和增强技术 |
1.3.1 数字图像处理 |
1.3.2 生物芯片图像的处理 |
1.3.3 基于Curvelet变换的图像处理的研究现状 |
1.4 本文结构安排 |
第2章 曲波变换 |
2.1 小波变换 |
2.2 第一代曲波变换 |
2.2.1 Ridgelet变换 |
2.2.2 Curvelet变换 |
2.3 第二代曲波变换 |
2.3.1 连续Curvelet变换 |
2.3.2 离散Curvelet变换 |
2.4 生物芯片图像的曲波系数特征分析 |
2.4.1 结构分析 |
2.4.2 特征分析 |
2.5 本章小结 |
第3章 图像降噪改进方法及其在生物芯片图像中的应用 |
3.1 图像降噪的基本方法 |
3.1.1 含噪图像模型及其评价方法 |
3.1.2 含噪生物芯片图像 |
3.1.3 常用降噪方法 |
3.2 基于曲波变换的图像降噪方法 |
3.2.1 常用阈值降噪算法 |
3.2.2 改进的阈值降噪算法 |
3.2.3 算法实现过程 |
3.3 改进的曲波阈值算法的实验结果与分析 |
3.4 改进的曲波阈值降噪算法在生物芯片图像中的应用 |
3.4.1 常用降噪方法对芯片图像的处理 |
3.4.2 改进的曲波阈值算法对芯片图像的降噪 |
3.5 本章小结 |
第4章 图像增强改进方法及其在生物芯片图像中的应用 |
4.1 低对比度图像增强的基本方法 |
4.1.1 灰度变换 |
4.1.2 非完全Beta函数自适应非线性变换 |
4.1.3 直方图算法 |
4.2 变换域图像增强 |
4.2.1 傅里叶变换图像增强 |
4.2.2 小波变换图像增强 |
4.2.3 曲波变换图像增强 |
4.3 改进的曲波变换算法 |
4.4 实验结果与分析 |
4.5 改进的曲波非线性增强算法在生物芯片图像中的应用 |
4.5.1 低对比度生物芯片荧光图像的分类 |
4.5.2 模拟退火算法 |
4.5.3 改进的曲波增强算法在生物芯片图像中的应用 |
4.6 本章小结 |
第5章 总结和展望 |
5.1 本文总结 |
5.2 展望 |
参考文献 |
致谢 |
作者攻读硕士学位期间发表的论文 |
(10)基因芯片数据统合分析方法的若干拓展(论文提纲范文)
摘要 |
Abstract |
前言 |
文献综述 |
1 基因芯片(微阵列)技术 |
1.1 基因芯片概念及原理 |
1.2 基因芯片的分类 |
1.3 基因芯片的特点 |
1.4 基因芯片技术的工作程序 |
1.5 基因芯片数据的预处理 |
1.6 基因芯片的应用 |
2 基因芯片数据的生物信息学分析 |
2.1 基因表达矩阵 |
2.2 基因芯片数据的统计分析 |
2.3 差异表达基因的筛选 |
2.4 微阵列显着性分析(Significance Analysis of Microarrays,SAM)软件 |
2.5 基因芯片数据的统合分析(Meta-analysis) |
第一章 SAM方法应用于统合分析的可行性研究 |
1.1 前言 |
1.2 材料与方法 |
1.2.1 原始数据 |
1.2.2 数据的预处理 |
1.2.3 DEG的筛选 |
1.2.4 Gene Ontology(GO)分析 |
1.2.5 启动子区调控元件基序(motif)分析 |
1.3 结果与分析 |
1.3.1 DEG的筛选 |
1.3.2 DEG的GO富集分析 |
1.3.4 DEG启动子区的调控元件基序分析 |
1.4 讨论 |
1.4.1 数据过滤 |
1.4.2 DEG的统合分析 |
第二章 相反生理过程芯片实验数据的统合分析 |
2.1 前言 |
2.2 材料与方法 |
2.2.1 数据准备 |
2.2.2 DEG的筛选 |
2.2.3 基因本体论(GO)分析 |
2.2.4 启动子区调控元件基序(motif)分析 |
2.3 结果与分析 |
2.3.1 干旱和复水处理的DEG |
2.3.2 DEG的统合分析 |
2.3.3 DEG的GO分析 |
2.3.4 DEG启动子区的调控元件基序分析 |
2.4 讨论 |
2.4.1 干旱胁迫与复水是一对相对的生理过程 |
2.4.2 DEG的统合分析 |
第三章 多个相关生理过程无重复基因芯片实验数据的统合分析 |
3.1 前言 |
3.2 材料与方法 |
3.2.1 原始数据 |
3.2.2 数据预处理 |
3.2.3 差异表达基因的筛选 |
3.2.4 差异表达基因的GO分析 |
3.3 结果与分析 |
3.3.1 单芯片的差异表达分析 |
3.3.2 差异表达基因的统合分析 |
3.3.3 差异表达基因的GO分析 |
3.4 讨论 |
结论 |
参考文献 |
致谢 |
四、一种适用于基因芯片扫描仪的图像恢复算法(论文参考文献)
- [1]基因芯片图像的自适应增强与分割算法研究[D]. 李东耀. 厦门大学, 2018(07)
- [2]图像式DNA芯片扫描仪的自动校准设计[D]. 王帆. 福州大学, 2018(03)
- [3]基于宏基因组学技术研究中药对肠道微生物种群数量的影响[D]. 左锐. 福州大学, 2018(03)
- [4]新一代a-CGH芯片的研制与分析算法研究[D]. 许伟明. 福州大学, 2017(04)
- [5]基因芯片检测仪的关键技术研究[D]. 杨宇. 南京航空航天大学, 2016(03)
- [6]基于EED滤波和Snake模型的基因芯片图像分割算法研究[D]. 周梁. 苏州大学, 2014(10)
- [7]基因芯片识别系统研究[D]. 尹宁. 吉林大学, 2012(01)
- [8]基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理[D]. 李知瑶. 苏州大学, 2011(06)
- [9]生物芯片图像分析与处理方法的研究[D]. 肖丁. 华东理工大学, 2011(07)
- [10]基因芯片数据统合分析方法的若干拓展[D]. 徐兆华. 浙江大学, 2010(08)