面向腫瘤亞型識(shí)別的基因表達(dá)譜非負(fù)矩陣分解聚類方法研究.pdf

1、當(dāng)今社會(huì)隨著人們生活水平的提高以及生活習(xí)慣、飲食習(xí)慣的改變，腫瘤的發(fā)病率和死亡率在不斷上升，已成為威脅人類健康的最主要疾病。腫瘤早期的診斷和個(gè)性化治療是減少腫瘤患者死亡率的最有效方法。隨著生物技術(shù)和生物信息的不斷發(fā)展，基因芯片技術(shù)也迅速發(fā)展了起來，該技術(shù)是一種在單一的試驗(yàn)中能夠檢測(cè)成千上萬條基因、甚至整個(gè)基因表達(dá)水平的最強(qiáng)大的方法。過去的幾年里，這種技術(shù)已經(jīng)被廣泛應(yīng)用在如腫瘤分析、新藥物發(fā)現(xiàn)及不同條件下細(xì)胞行為的分析等。由于該技術(shù)在生物

2、領(lǐng)域的廣泛使用，目前積累了大量的基因表達(dá)數(shù)據(jù)集。怎么樣對(duì)這些海量的基因表達(dá)譜進(jìn)行分析及挖掘出其中隱藏的信息，是當(dāng)今生物信息學(xué)的一個(gè)研究熱點(diǎn)?；虮磉_(dá)數(shù)據(jù)呈現(xiàn)維度高、樣本小的特點(diǎn)。基因表達(dá)譜聚類是該類數(shù)據(jù)分析的一個(gè)主要任務(wù)，其目標(biāo)是根據(jù)樣本在基因表達(dá)上的相似性自動(dòng)實(shí)現(xiàn)樣本數(shù)據(jù)的聚類，被用于腫瘤（亞型）識(shí)別的聚類之中。該方法是一種無監(jiān)督的學(xué)習(xí)方法。在基因表達(dá)譜分析中一直是一個(gè)熱點(diǎn)研究問題。然而，如何選擇相似性度量標(biāo)準(zhǔn)以及更有效的挖掘數(shù)據(jù)中的

3、局部信息，并且應(yīng)用恰當(dāng)有效的算法來進(jìn)行聚類分析研究依然是個(gè)亟待解決的難題。由于基于非負(fù)矩陣分解(Non-negative Matrix Factorization，NMF)聚類方法具有較好的可解釋性，本文主要面向腫瘤基因表達(dá)數(shù)據(jù)聚類，研究基于NMF的基因表達(dá)譜聚類。
　　本研究主要內(nèi)容包括：⑴將圖正則化的非負(fù)矩陣分解(Graph Regularized Non-negative MatrixFactorization，GNMF)方

4、法引入到腫瘤基因表達(dá)譜聚類分析中，該方法是一種近鄰保持的非負(fù)矩陣分解方法，其采用圖的拉普拉斯正則化約束實(shí)現(xiàn)了數(shù)據(jù)在原空間和分解空間的近鄰保持。實(shí)驗(yàn)結(jié)果顯示:在面向腫瘤亞型識(shí)別應(yīng)用中，該方法優(yōu)于已有的非負(fù)矩陣分解方法。⑵考慮到不同基因與不同腫瘤亞型相關(guān)聯(lián)，我們需要在對(duì)樣本進(jìn)行腫瘤亞型識(shí)別的同時(shí)，發(fā)現(xiàn)與特定腫瘤亞型相關(guān)的關(guān)鍵基因。因此，我們將雙向圖正則化的非負(fù)矩陣分解(Graph Dual Regularized Non-negative