基于癌症基因组学数据的肿瘤亚型发现研究

发布时间：2024-03-30 20:37

　　当前,癌症成为严重危害人们生命的疾病之一,研究癌症的发生十分必要。大量的癌症多组学生物数据由于高通量测序技术的快速发展而不断涌出,为分析癌症的发病机理带来了新的机遇。临床研究发现具有相同病理特征的癌症患者对相同的治疗方案存在明显的预后差别,因而进一步地发现癌症亚型具有重要的研究价值。癌症亚型是对同一种癌症病人进行分组,形成不相同的分组结果,可用来指导癌症的早期诊断与个性化治疗,进而使治疗效果有所提高;同时对于癌症发病机理研究和药物靶标的识别具有重要科学意义。癌症亚型发现的有效途径之一是基于聚类算法,其通过对多组学生物数据进行整合,从而提取出与临床联系密切的肿瘤亚型。本文主要研究面向癌症基因组学生物分子数据的聚类算法,主要研究工作如下:1、提出了一种基于簇间相似度和病人权重的集成聚类方法,该方法通过随机变换缩放性指数相似度核函数中的两个参数来产生多个不相同的基本簇,针对样本在基本簇中聚类的难易程度计算出各样本的权重。再将得到的样本权重融入各样本簇相似度计算过程中,最后利用基于图分割的方法来得到最终的聚类结果。2、提出了一种基于子空间自适应对齐聚类算法,该方法首先从每个组学数据的相似性网络...

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图1.1全球癌症新增病例数和死亡病例数的区域分布统计

安徽大学硕士学位论文1第一章绪论1.1研究背景和意义随着现代医疗水平的不断进步，我们对癌症有了更多的了解，但是全球各种类型癌症的发生仍越来越频繁，癌症已然成为威胁人类生命健康最主要的杀手。在人类身上，目前已经发现了一百多种癌症，多数患者由于癌症的并发性遭受了巨大的病痛。若想提高人....

图2.1多核学习算法示意图

安徽大学硕士学位论文112.2.3基于多核学习算法的聚类算法多核学习算法最初是为了提高各种核函数如线性核、高斯核和多项式核等搜索空间的容量，以实现良好的泛化。相比于单个核函数[37]，多核学习[38-40]模型所具有的灵活性更高。由于多核学习中多个核函数可应用于不同的组学数据，使....

图3.1LWEC方法的流程图：(A)随机变换缩放性指数相似度核函数中的两个参数产生多个不相同的样本簇;(B)依据共联合矩阵中的值来计算出各样本的权重;(C)将样本权重融入样本簇相似度计算过程中，计算出各样本簇的相似度，构建一个新的样本-簇间协相关矩阵，再利用基于图分割方法得到最终的聚类结果

第三章基于簇间相似度和病人权重的集成聚类方法14图3.1LWEC方法的流程图：(A)随机变换缩放性指数相似度核函数中的两个参数产生多个不相同的样本簇;(B)依据共联合矩阵中的值来计算出各样本的权重;(C)将样本权重融入样本簇相似度计算过程中，计算出各样本簇的相似度，构建一个新的样....

图3.2得到基本簇示意图

安徽大学硕士学位论文17图3.2得到基本簇示意图对应的0/1矩阵（BM）如表3.1所示。表3.1由基本簇构建出的0/1矩阵（BM）11C12C13C21C22C1x100102x100013x001104x100015x010016x010103.2.3病人权重的分配基于WOEC....

本文编号：3942905