基于基因組數(shù)據(jù)的癌癥亞型發(fā)現(xiàn)聚類研究.pdf

1、癌癥亞型的定義和發(fā)現(xiàn)是針對(duì)癌癥個(gè)性化治療的一個(gè)重要組成部分，將癌癥樣本正確歸類到不同的亞型能夠?yàn)椴∪诉x擇正確的治療方法提供非常重要的參考?；蚪M技術(shù)的發(fā)展和應(yīng)用，可以獲取癌癥病例全基因組的高通量測(cè)序數(shù)據(jù)，為人們?cè)谌蚪M水平上研究癌癥個(gè)體的差異和癌癥的發(fā)生、發(fā)展以及轉(zhuǎn)移機(jī)制創(chuàng)造了條件。然而，癌癥基因組數(shù)據(jù)是多譜系高維特征的生物大數(shù)據(jù)集合，高維、高噪聲、低樣本數(shù)是生物大數(shù)據(jù)的普遍特征，給傳統(tǒng)數(shù)據(jù)挖掘技術(shù)應(yīng)用提出了新的挑戰(zhàn);基因組技術(shù)的發(fā)展

2、積累了大量的癌癥樣本數(shù)據(jù)，如何利用數(shù)據(jù)挖掘的大數(shù)據(jù)分析方法處理這些癌癥基因組數(shù)據(jù)，探索每一種癌癥存在的可能亞型及其相應(yīng)的腫瘤分子標(biāo)記物，將對(duì)癌癥研究和治療具有非常重要的現(xiàn)實(shí)意義。
　　本文以癌癥基因組數(shù)據(jù)為研究對(duì)象，針對(duì)癌癥基因組數(shù)據(jù)高維性和多譜系的特點(diǎn)，主要研究在癌癥亞型發(fā)現(xiàn)的聚類分析中有關(guān)癌癥基因組數(shù)據(jù)的處理和融合方法，同時(shí)探索癌癥基因組數(shù)據(jù)的新型聚類算法。
　　癌癥基因組學(xué)是通過(guò)高通量測(cè)序技術(shù)將基因與癌癥研究進(jìn)行關(guān)聯(lián)，

3、基因芯片技術(shù)和二代測(cè)序技術(shù)作為當(dāng)前癌癥基因組數(shù)據(jù)獲取的主要來(lái)源，本文對(duì)其技術(shù)特點(diǎn)及技術(shù)細(xì)節(jié)進(jìn)行詳細(xì)論述;對(duì)迄今為止最大的癌癥基因組研究項(xiàng)目癌癥基因組圖譜(TCGA)計(jì)劃進(jìn)行比較全面的介紹。
　　本文構(gòu)建了基于基因組數(shù)據(jù)的癌癥亞型發(fā)現(xiàn)研究的分析框架，主要包括基因組數(shù)據(jù)的預(yù)處理方法，基因組數(shù)據(jù)重要特征提取方法，基因組數(shù)據(jù)的聚類方法，以及聚類結(jié)果的評(píng)估方法;詳細(xì)介紹了數(shù)據(jù)過(guò)濾、數(shù)據(jù)補(bǔ)齊和數(shù)據(jù)標(biāo)準(zhǔn)化的基因組數(shù)據(jù)預(yù)處理方法;提出四種基因組數(shù)

4、據(jù)特征選擇方法;聚類算法作為基于基因組數(shù)據(jù)的癌癥亞型發(fā)現(xiàn)的核心內(nèi)容，本文系統(tǒng)介紹了一致性聚類、一致性非負(fù)矩陣因式分解、多基因組數(shù)據(jù)集成聚類和相似性網(wǎng)絡(luò)融合四種主要癌癥亞型發(fā)現(xiàn)的計(jì)算生物學(xué)方法;針對(duì)聚類結(jié)果的評(píng)估問(wèn)題，本文給出了生存分析、Silhouette方法以及聚類統(tǒng)計(jì)顯著性檢驗(yàn)的評(píng)價(jià)指標(biāo)。
　　多基因組數(shù)據(jù)挖掘聚類研究是定義和發(fā)現(xiàn)癌癥亞型的一種非常有效的途徑，并且已經(jīng)在很多癌癥研究中產(chǎn)生了非常重要的發(fā)現(xiàn)和應(yīng)用。有關(guān)癌癥亞型發(fā)現(xiàn)