导读:本文包含了数据通路论文开题报告文献综述、选题提纲参考文献，主要关键词:数据,癌症,可编程,算法,香蒲,排斥性,多组。
数据通路论文文献综述写法
蔡齐荣,吴璟莉[1]（2019）在《基于多组学数据识别癌症驱动通路的模型和算法》一文中研究指出通过整合体细胞突变、拷贝数变异和基因表达等3种组学数据,提出识别癌症驱动通路的改进最大权重子矩阵模型。该模型用通路中基因平均权重调控覆盖度和互斥度,对权重大的基因集覆盖度进行加强,同时放松其高互斥度约束。引入基于贪心算法的重组算子,提出求解该模型的单亲遗传算法PGA-MWS。采用胶质母细胞瘤和卵巢癌数据集对算法PGA-MWS和GA进行实验对比分析。实验结果显示,较GA方法,基于改进模型的PGA-MWS算法能识别出覆盖度高但互斥度不太高的基因集,且其识别的基因集中,许多均参与已知信号通路,并被证实与癌细胞密切相关,同时还能识别几种潜在的候选驱动通路,因此PGA-MWS方法可作为检测癌症驱动通路的一种有效补充。(本文来源于《计算机科学》期刊2019年09期）
张启晨[2]（2019）在《一种整数分频电路及高性能数据通路实现方法》一文中研究指出针对数字电路设计中高性能数据通路设计实现的广泛需求,基于再生逻辑块以实现提高的吞吐量[1]的设计实现方法,提出一种该方法所需的整数分频/使能信号的电路和设计实现。相对于传统分频电路中设计繁琐,占用片上资源较多等缺点,提出的电路和设计方法具有设计简单,易于实现,节约设计资源,节省功耗,并且具备可根据再生(复用)逻辑块的配置动态调节分频信号或者使能信号的分频比和占空比的特点。(本文来源于《中国集成电路》期刊2019年09期）
施会彬,王玉琴,张小辉,吴至博,杨芳[3]（2019）在《基于转录组测序数据的山羊下丘脑组织繁殖相关信号通路及候选基因的筛选》一文中研究指出旨在通过对不同光照时长条件下河南槐山羊下丘脑组织进行转录组测序和生物信息学分析,筛选出与山羊繁殖相关的信号通路及候选基因。本研究利用Illumina二代高通量测序平台(NGST),采用PE150测序策略,对经自然光照(8 h光照:16 h黑暗)与人工光照(16 h光照:8 h黑暗)条件处理后的8只空怀母羊(每组各4只,平均年龄1周岁)下丘脑组织进行转录组测序,将组装得到的Unigene总数比对到参考基因组序列,进行差异表达基因分析、GO和KEGG富集分析以及候选基因筛选,并采用Real-time PCR方法对候选基因的相对表达量变化进行分析。结果显示,RNA-Seq共得到了约4.4亿条reads,平均每个样本的reads数约为5 249万条;自然光照与人工光照2组DESeq分析得到448个差异表达基因,并富集在KEGG数据库中的241个信号通路,其中包括5个与繁殖相关的信号通路;3个速激肽家族候选基因(TACR1、TACR2和TACR3)显着富集在Calcium signaling pathway(钙离子信号通路,chx04020)通路;Real-time PCR分析结果显示,转录组测序结果可靠。综上表明,Calcium signaling pathway(钙离子信号通路,chx04020)与TACR1、TACR2和TACR3基因,可能在山羊繁殖过程中发挥着重要作用。(本文来源于《畜牧兽医学报》期刊2019年07期）
黄海量,李灵,韩涛,滕佳林[4]（2019）在《基于数据挖掘的备选新处方“成分-疾病-靶标-通路”预测分析——以抗抑郁新方发现为例》一文中研究指出目的:预测抗抑郁新方(香蒲解郁方)治疗抑郁症的分子作用机制。方法:使用整合药理学平台V1. 0对通过文本挖掘获取的香蒲解郁方的中药成分及抑郁症疾病靶标数据进行靶标预测、蛋白质-蛋白质相互作用信息(PPI)、基因功能和通路富集等分析,构建香蒲解郁方治疗抑郁症疾病"成分-靶标-通路"多维网络并可视化展示,筛选核心成分、关键标靶与主要通路。结果:预测分析发现香蒲解郁方中有219个成分和1925个靶标与抑郁症相关,其中姜黄酮、姜黄素、挥发油、α-细辛醚,β-细辛醚等为发挥抗抑郁作用的主要成分,五羟色胺受体(HTR2C)、δ型阿片受体(OPRD1)、μ型阿片受体(OPRM1)、κ型阿片受体(OPRK1)等为候选关键靶标,神经系统、神经网络信号通路、趋化因子信号通路等为主要通路。结论:通过整合药理学分析预测发现抗抑郁新处方-香蒲解郁方抗抑郁药化成分主要来自郁金、石菖蒲、香附、生姜、合欢皮,对神经和内分泌系统进行网络状综合调节为其主要作用机制。(本文来源于《辽宁中医杂志》期刊2019年06期）
张巧生[5]（2019）在《基于组学数据的癌症生物学通路分析方法研究》一文中研究指出癌症是现今最致命的疾病之一。到2030年,在世界范围内,每年将有一千叁百万人死于癌症。微阵列和下一代测序等高通量技术的出现,推动了全基因组范围内癌症的研究。生物学标志物的识别是高通量测序技术的一个重要应用,作为疾病的分子特征,可以用来为临床辅助决策。尽管生物学标志物已广泛应用,但是仍存在很多问题。其一是在疾病的发展和治疗反应中识别出的很多基因标志物缺乏合理的生物学功能解释,其二是针对癌症这种异质性疾病,基因标志物的可重复性是一大挑战。鉴于可靠临床基因标志物识别的困难,研究人员需要利用生物学的先验知识以加强数据驱动的方法来识别具有鲁棒性的生物学标志物。因此,基于生物学通路的方法被开发出来。通过整合通路分析和基因组数据评估在患者亚群和个体肿瘤中哪些通路被调控来指导靶向治疗,基于生物学通路的方法能够帮助我们在功能机制上深入了解癌症致病机理。然而,现有的大多数通路分析方法没有考虑到通路复杂的相互作用,并且没有融合多组学数据。本文针对上述问题,对基于网络的通路分析和基于通路的癌症诊断进行了深入的研究。全文首先系统的介绍了通路分析的主要方法及其特点,总结了通路分析面临的主要困难和研究现状。然后针对性的提出若干基于网络的通路分析方法及基于通路的癌症分类方法,具体分为以下几个方面。(1)大规模生物网络的建立,使得基于网络的通路分析方法成为研究热点。在全基因组范围生物网络中,通路的交互不局限于通路内部基因的相互交互,通路内部的基因与通路邻近的基因也存在着广泛的交互。基于此,本文提出了一种基于加权基因交互网络的通路分析方法,首先通过整合蛋白质相互作用数据,基因表达谱数据,分别构建了全基因组水平表型特异性的基因关联网络,然后通过考虑关联网络边的权重和度,利用Limited K-walks算法,将每一个通路分别在表型特异性关联网络中寻找网络中与通路密切相关的基因,并扩增为两个小网络,最后通过评价扩展后的这两个小网络的差异性来识别与癌症相关的通路。在公开的数据集上,本文的方法与其他方法进行了比较,实验结果表明,本文的方法能够有效的识别出与癌症相关的通路。(2)各组学海量数据的快速积累,为揭示癌症致病机理提供了有力的数据支持。众多组学数据中,转录组学和表观基因组学关系最为密切。基于此,本文提出了一种基于网络融合多组学数据的通路分析方法。该方法通过主成分分析和稀疏典型相关分析整合DNA甲基化和基因表达数据计算表型特异性网络边的权重。构建每个表型下的加权网络,然后把通路依次嵌入网络中进行扩展,扩展后的通路基因集作为基因列表进行经典的富集分析,以此来评估通路与相关癌症的关系。该方法在叁个公开数据集上进行了验证分析,实验结果表明,本文的方法通过融合DNA甲基化和基因表达数据在样本数量较少的情况下结合经典的通路分析能有效的识别出与癌症相关的通路。同时该方法可以基于大规模的生物网络研究原始通路间和扩展通路间的交互关系,为从系统学的角度研究通路在癌症中的作用提供了新的角度。(3)精准医疗概念的提出,使得通用性医疗开始向个性化、精准医疗转变。随着个性化通路分析方法相继被开发出来,基于个性化通路的癌症研究成为了最近研究的热点之一。本文首先对叁种类型通路用于癌症分类的效果进行了比较分析,实验结果表明基于OR-pathway的方法分类效果最好。然后本文构建了基于个性化分析识别风险通路模型,将该模型应用到乳腺癌数据集中进行实验分析,实验结果表明该方法能够有效的识别出与乳腺癌相关的通路。(4)组学数据具有维数高、样本少、高噪声等特点,这些特点在数据挖掘中容易导致维数灾难和过拟合等问题,使得很多经典的机器学习方法失去了其效能。基于此,本文提出了一种基于通路集成学习的癌症分类方法。该方法首先通过差异基因集和通路基因列表求得差异通路基因列表,然后以每个差异通路基因列表构造基分类器。最后通过相关算法进行基分类器筛选,选取最优基分类器集合构建集成学习分类器进行癌症诊断。本文的方法在叁个公开数据集上与其他方法进行了比较分析,实验结果表明,本文方法不但具有最优的分类性能,而且结果具有很好的鲁棒性。同时,集成学习器中的基分类器具有明确生物学意义,识别出了临床相关的核心生物学通路和癌症潜在的生物学过程,可以帮助研究人员理解癌症发病和预后机理。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
蔡齐荣[6]（2019）在《基于多组学数据的癌症驱动通路识别算法研究》一文中研究指出癌症驱动通路对癌症精准医疗和个性化医疗的重要性,使癌症驱动通路识别问题成为生物信息学的研究热点。由于高通量测序技术产生的组学数据具有噪声多和不完整的特点,且单一组学数据包含的信息有限。因此,通过整合多组学数据以提高数据完整性和准确性、充分利用不同组学数据的潜在信息非常重要。本文对基于多组学数据的癌症驱动通路识别问题展开研究,主要工作如下:通过整合体细胞突变、拷贝数变异和基因表达叁种组学数据,提出改进的最大权重子矩阵问题模型IMWS。IMWS模型通过一条通路中基因的平均权重来调节覆盖度和互斥度,同时考虑基因之间的相关性,旨在识别具有高覆盖度和中等互斥度的单驱动通路。通过引入短染色体编码和基于贪婪策略的重组算子,提出求解IMWS模型的单亲遗传算法PA-IMWS。在真实生物数据集和模拟数据集上对算法GA、MOGA、iMCMC和PA-IMWS进行实验对比分析。实验结果表明,与其他叁种算法相比,PA-IMWS算法能够识别具有高覆盖度、中等互斥度的基因集,并且在算法执行效率上具有较好的扩展性。通过整合体细胞突变、拷贝数变异和基因表达数据,提出改进的协作驱动通路问题模型ICMDP。该模型具有两个特征:(1)每个通路具有高覆盖度和中等互斥度;(2)协作驱动通路间的突变基因在癌症样本中呈现显着的共同突变,且协作驱动通路中基因具有相关性。通过引入短染色体编码和基于贪婪策略的重组算子,提出求解ICMDP模型的单亲遗传算法PA-ICMDP。在真实生物数据集上对算法CoMDP和PA-ICMDP进行实验比较。实验结果表明,PA-ICMDP算法能够识别涉及关键生物过程的多个重要协作驱动通路,比如细胞存活和蛋白质合成,该方法适用于挖掘与癌症发展相关的基因。进一步对ICMDP和PA-ICMDP进行扩展,提出EICMDP模型和PA-EICMDP算法,实验结果表明,扩展后的模型和算法能有效识别与已知通路发生协同作用的其他重要通路。综上所述,本文对癌症驱动通路识别问题进行研究,基于多组学数据,提出通路识别问题的模型和算法,这些方法可能成为检测癌症通路的有用补充工具。(本文来源于《广西师范大学》期刊2019-06-01）
薛德宽,李国扬,潘雪,范薇,李学春[7]（2019）在《高速任意波形发生器数据通路的设计》一文中研究指出针对任意波形发生器提升输出带宽和存储深度较难的问题,提出一种基于现场可编程门阵列器件的任意波形发生器数据通路设计方案。该方案利用多片同步动态随机存储器同步输出和并串转换技术提升数据通路的输出带宽和存储深度,基于Vivado平台实现波形数据的写入、读取、并串转换、成帧、8bit/10bit编码和串行化的功能,经过处理的波形数据通过现场可编程逻辑阵列的收发器以数据转换器串行传输协议输出。仿真结果表明,输出波形与写入波形存储器的波形数据经过上述数字信号处理之后的结果完全相同,验证了数据通路的正确性。实验结果表明,该数据通路实现了12GHz的采样率、16bit的垂直分辨率、4Gsa的波形存储深度。该任意波形发生器数据通路设计是有效的和可靠的。(本文来源于《西安电子科技大学学报》期刊2019年03期）
高勃[8]（2018）在《基于基因组学数据的致癌信号通路研究》一文中研究指出癌症基因组图谱计划(TCGA)、国际癌症基因组联盟(ICGC)等大规模国际项目已经对数十种癌症类型的成千上万例癌症病人进行测序并生成了大量的癌症基因组数据。分析这些数据的非常重要的挑战问题是,如何有效区分与癌症发生发展密切相关的驱动突变和与癌症的发生发展没有关系的伴随突变?另外,癌症是基因以及信号通路的疾病,如何识别导致癌症的驱动基因以及信号通路?由于最终确定一个突变是否为驱动突变需要测试其生物功能,而我们目前检测突变的能力远远超过通过实验验证其生物功能的能力。因此,通过计算方法预测可能的驱动突变势在必行。本文的研究主要集中在如何利用组合优化方法预测未知的癌症驱动突变、基因以及信号通路。这对于研究和理解癌症的分子机制和发病机理以及癌症的用药治疗等相关问题意义重大。癌症数据的急剧增加为癌症的研究带来无限机遇的同时,设计有效的计算方法分析当前的数据也面临前所未有的挑战。癌症突变的异质性极大地降低了通过识别频发突变和频发突变基因预测驱动突变和驱动基因的能力。对癌症突变异质性的一个解释是,除了伴随突变的存在之外,驱动突变攻击细胞的信号通路。信号通路在不同病人中的不同突变导致了其功能异常。一些检测已知信号通路或者功能模块的突变富集程度的方法被研发出来。这些方法的局限性在于其所依赖的已知信号通路或者功能模块的信息到目前为止并不完整。根据目前对癌症突变过程的理解,驱动信号通路中的突变展现出两种组合模式:相互排斥性和高覆盖性。基于相互排斥性和高覆盖性识别信号通路的方法主要分为组合学方法和统计学方法。然而,目前的组合学方法不能保证识别出的基因集合具有排斥性,而统计学方法在计算效率上又存在明显的不足。这导致已有方法在实际应用中效果并不理想。另外,仅利用突变数据及其组合性质识别得到的基因集合不一定具有真实的功能相关性。结合更多类型的数据可以提高预测的准确率。例如,一些方法结合蛋白相互作用网络的信息,致力于识别网络上的高频突变子网络。然而,结合多种数据类型系统识别具有排斥性和高覆盖性的驱动信号通路仍然是一大难题。本文中,我们设计了新的结合癌症突变数据和蛋白相互作用网络数据的方法CovEx,系统识别具有排斥性和高覆盖性的驱动信号通路。我们的方法主要分为以下几步:首先,我们基于蛋白相互作用网络利用随机游走方法构造流网络。流网络中连边的基因对具有较强的拓扑相关性。我们将驱动信号通路中的基因集合的搜索限制在流网络的具有较强拓扑相关性的局部网络上。通过对大量局部网络的系统搜素,我们能够实现对突变数据集有效信息的深度挖掘。由于基因集合排斥性和覆盖度之间的平衡关系,我们设计了二步法进行搜索和筛选。我们基于线性组合指标对每一个局部网络利用线性规划求解候选基因集合,并继续利用新设计的非线性指标对候选基因集合进行评估和筛选。线性指标的不足在于,部分求解得到的基因集合的目标函数值被其中的高频突变基因主导而不具有排斥性。新设计的指标能够保证基因集合中的每一个基因都能对整体的指标值做出显着的贡献,能够对候选基因集合进行有效评估。最后,针对癌症的异质性,我们设计了最小集合覆盖模型推断每一个病人特异的基因模块及其驱动信号通路。这对于癌症个体化治疗的发展具有重要的推动意义。我们分析了包括十二种癌症类型的泛癌症突变数据集,且对十二种单种类型的癌症数据集分别进行了分析。特别地,我们用不同数据库的叁种不同的蛋白相互作用网络数据分别进行实验。为了进一步提高预测的精准度,我们设计了综合叁种蛋白相互作用网络数据下实验结果的一致性方法。一致性方法修正了单个蛋白相互作用网络数据下的结果,并综合得到不同结果中一致的驱动信号通路。我们以不同数据库注释的癌症基因为基准分析了不同参数和网络数据下得到的预测结果的敏感度和准确率。经过一致性方法修正后的结果具有更高的准确率。通过与HotNet2等经典方法的结果比较,CovEx的结果具有更高的敏感度和准确率。通过与已知信号通路和GO功能模块的比对分析,我们预测了相应的驱动信号通路与GO功能模块。CovEx仍然存在不足之处。比如:1)部分求解到的基因集合的目标函数值被其中的少数高频突变基因主导,其生物价值很难确定。2)软件在设计过程中没有实现并行化,在不同局部网络上线性规划的求解实现并行化是未来努力的方向。3)考虑到新设计组合指标的非线性性质以及覆盖度和排斥性之间的权衡,我们只依据其筛选利用原有线性目标函数求解得到的基因集合,而没有直接针对新指标进行求解。因此,部分局部网络上的重要基因集合可能不能被识别出来。依据新指标直接求解候选基因集合并且综合分析多种方法得到的候选基因集合可能进一步提高识别到驱动信号通路中的基因集合的能力。针对CovEx的不足,本文另外介绍了一种识别癌症中关键均匀互斥突变基因集合的方法UniCovEx。相比于一般意义的基因突变的排斥性,均匀排斥性有助于正确识别驱动信号通路中的基因集合。我们引入排斥熵的概念评估目标基因集合的均匀排斥性,并设计相应的算法。实验结果表明,UniCovEx算法可以作为CovEx算法的有效补充。另外,我们设计了 comCovEx算法识别不同癌症类型公共驱动基因集合及其信号通路。在comCovEx算法的基础上,我们研究了不同癌症类型之间的相关性。我们的方法CovEx和UniCovEx已经用C++语言实现成开源的软件,可以通过以下网址下载:https://sourceforge.net/projects/cancer-pathway/files/。(本文来源于《山东大学》期刊2018-11-20）
禹鑫燚,张强,陆文祥,冯远静,欧林林[9]（2018）在《面向局部空间多通路无线数据通信系统的设计》一文中研究指出通过对无线数据通信及信号处理的研究,设计并实现了一种面向局部空间的多通路无线数据通信系统;系统利用MTTM协议和ShockBurstTM射频模式并结合ARM处理器对各通道的信息源进行信道解码、信息获取、信息校验、信息匹配和传输等处理;实现在一定空间范围内对多个外部监测设备的无线连接;通过不同的通道获取来自不同设备不同通信协议的数据,确保信息能够实时、稳定、有效地传输;通过实验测试,该系统可以实时、稳定地获取外部蓝牙的多种监测数据以及外部NRF射频器件的监测数据;也可以从电脑端实时、稳定地获取数据,进而控制已连接的外部设备;该系统具有可扩展性,可以通过更换或增加不同的通信协议模块对通信方式进行扩展使其支持更多的无线通信协议。(本文来源于《计算机测量与控制》期刊2018年10期）
吴军[10]（2018）在《精准用户画像,打开数据价值应用通路》一文中研究指出数据科学是一门刚刚兴起的学科。数据挖掘技术作为新兴技术,自问世以来常常会受到质疑。提到最多的问题,是数据究竟能为企业带来什么?数据分析技术具有怎样地现实意义?广州佰聆数据股份有限公司已经用实际项目给出了答案,在过去几年间,佰聆数据自主研发地多个数据挖掘技术与产品广泛应用于电网、电(本文来源于《中国产经》期刊2018年06期）
数据通路论文开题报告范文
（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：
针对数字电路设计中高性能数据通路设计实现的广泛需求,基于再生逻辑块以实现提高的吞吐量[1]的设计实现方法,提出一种该方法所需的整数分频/使能信号的电路和设计实现。相对于传统分频电路中设计繁琐,占用片上资源较多等缺点,提出的电路和设计方法具有设计简单,易于实现,节约设计资源,节省功耗,并且具备可根据再生(复用)逻辑块的配置动态调节分频信号或者使能信号的分频比和占空比的特点。
（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。
数据通路论文参考文献
[1].蔡齐荣,吴璟莉.基于多组学数据识别癌症驱动通路的模型和算法[J].计算机科学.2019
[2].张启晨.一种整数分频电路及高性能数据通路实现方法[J].中国集成电路.2019
[3].施会彬,王玉琴,张小辉,吴至博,杨芳.基于转录组测序数据的山羊下丘脑组织繁殖相关信号通路及候选基因的筛选[J].畜牧兽医学报.2019
[4].黄海量,李灵,韩涛,滕佳林.基于数据挖掘的备选新处方“成分-疾病-靶标-通路”预测分析——以抗抑郁新方发现为例[J].辽宁中医杂志.2019
[5].张巧生.基于组学数据的癌症生物学通路分析方法研究[D].哈尔滨工业大学.2019
[6].蔡齐荣.基于多组学数据的癌症驱动通路识别算法研究[D].广西师范大学.2019
[7].薛德宽,李国扬,潘雪,范薇,李学春.高速任意波形发生器数据通路的设计[J].西安电子科技大学学报.2019
[8].高勃.基于基因组学数据的致癌信号通路研究[D].山东大学.2018
[9].禹鑫燚,张强,陆文祥,冯远静,欧林林.面向局部空间多通路无线数据通信系统的设计[J].计算机测量与控制.2018
[10].吴军.精准用户画像,打开数据价值应用通路[J].中国产经.2018