基于稀疏低秩回歸方法的腫瘤亞型聚類分析.pdf

1、當(dāng)前，癌癥是導(dǎo)致人類死亡的主要疾病之一。隨著第二代測(cè)序技術(shù)的發(fā)展，世界各國(guó)的學(xué)者實(shí)施了大規(guī)模癌癥基因組測(cè)序工程(例如TCGA)，獲得了大量不同類型的生物學(xué)數(shù)據(jù)（例如mRNA表達(dá)數(shù)據(jù)，DNA甲基化數(shù)據(jù)，體細(xì)胞突變數(shù)據(jù)），對(duì)于理解癌癥的發(fā)病機(jī)理，尋找腫瘤的準(zhǔn)確亞型，設(shè)計(jì)出治療癌癥的有效藥物等方面產(chǎn)生了積極影響。然而，新的問題也隨之而來，如何充分整合和利用多組學(xué)的生物測(cè)序數(shù)據(jù)來設(shè)計(jì)出腫瘤亞型聚類算法，成為生物信息學(xué)研究的熱點(diǎn)之一。目前，腫瘤亞

2、型聚類常用的分析方法仍是半監(jiān)督或著無監(jiān)督的對(duì)單一的生物組學(xué)數(shù)據(jù)的樣本分配。但這類方法存在的缺陷是多種相關(guān)性數(shù)據(jù)類型不能用于一個(gè)單獨(dú)的聚類方法，容易造成信息損失。近幾年來，基于多組學(xué)生物數(shù)據(jù)，研究者提出了一些腫瘤亞型聚類分析算法。但這些方法還處于發(fā)展的早期階段，仍然存在許多問題亟待解決。如基因的預(yù)篩選問題、構(gòu)建真正意義上的數(shù)據(jù)整合模型、得到更為準(zhǔn)確的結(jié)果等。因此迫切需要發(fā)展新的數(shù)據(jù)分析方法。
　　本文中研究工作的核心思想是基于稀疏低

3、秩回歸的方法，把高維度的多組學(xué)數(shù)據(jù)投射到一個(gè)低維度的含有主要的生物過程的子空間里，最終達(dá)到數(shù)據(jù)融合和快速聚類的目的。第一章介紹了基于多組學(xué)數(shù)據(jù)的亞型分析的研究背景、研究意義，以及國(guó)內(nèi)外研究現(xiàn)狀和主要的研究方法。第二章介紹了各種研究癌癥亞型常用的數(shù)據(jù)和，列舉回顧了多種具有代表性的整合多種數(shù)據(jù)的聚類算法。第三章介紹了基于稀疏低秩回歸方法優(yōu)化iCluster算法的理論?；谙∈璧椭然貧w的方法代替了優(yōu)化的PCA的算法，計(jì)算出具有稀疏低秩性的系數(shù)

4、矩陣的初值，保證了后續(xù)迭代過程中估計(jì)出最優(yōu)的后驗(yàn)概率值。與iCluster算法相比的比較實(shí)驗(yàn)也驗(yàn)證了算法改進(jìn)的有效性。第四章介紹了基于稀疏低秩回歸的方法提出的Scluster聚類算法的理論。它是用一種用該方法首先利用合適的稀疏低秩回歸的方法來從每種生物數(shù)據(jù)中發(fā)現(xiàn)有效的低維度的子空間，然后整合這些子空間為一個(gè)樣本-樣本的相似矩陣，最后用譜聚類的方法識(shí)別癌癥亞型。對(duì)于在三種不同的癌癥類型數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，我們提出的Scluster在預(yù)