隨著醫(yī)療水平和計算機運行速度的發(fā)展,利用基因序列中的信息完成對癌癥患者進行亞型分類的研究成為生物統(tǒng)計的一大熱點。在基因水平上對癌癥患者進行亞型分類,可以為患者的醫(yī)療決策進行輔助,從而達到精準(zhǔn)醫(yī)療,提高治愈概率,降低醫(yī)療成本,因此這無論對于診斷還是醫(yī)療都至關(guān)重要。然而,基因數(shù)據(jù)同時還有小樣本,高維度,分布不均衡,大量噪音基因等特點,甚至單個相關(guān)基因位點對于癌癥的相關(guān)性也比較微弱以至于許多模型無法準(zhǔn)確識別。因此,如何對基因進行特征選擇,準(zhǔn)確的選出與癌癥相關(guān)的致病基因,并根據(jù)這些基因?qū)颖具M行亞型分類,成為亞型分類問題的研究重點。本文主要完成以下工作:（1）通過引入了每個獨立患者的樣本信息以及與基因相關(guān)的信息,將這兩者作為協(xié)變量,連同基因突變信息一起構(gòu)建了我們的貝葉斯分層模型,得到了一個將胃癌患者進行亞型分類的分類器;（2）引入潛變量控制參數(shù)先驗實現(xiàn)特征選擇,以M-H算法與Gibbs抽樣作為計算工具,實現(xiàn)整個模型的計算機運行,之后采用修正BIC進行模型選擇。（3）在進行了模擬實驗后,結(jié)果良好,并將模型應(yīng)用于真實數(shù)據(jù),得到了相應(yīng)的結(jié)果。 

【文章頁數(shù)】：51 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的研究背景
        1.1.1 現(xiàn)狀
        1.1.2 致癌因素
    1.2 課題的研究目的
    1.3 數(shù)據(jù)
第二章 貝葉斯統(tǒng)計知識
    2.1 MCMC有關(guān)算法
        2.1.1 Gibbs抽樣
        2.1.2 M-H算法
第三章 數(shù)學(xué)建模
    3.1 建模
    3.2 潛變量
    3.3 亞型的識別問題
    3.4 模型選擇
第四章 計算
    4.1 先驗分布
    4.2 后驗分布
    4.3 關(guān)于收斂判定
第五章 模擬
第六章 實例分析
第七章 總結(jié)
第八章 附錄
    8.1 常用分布簡介
    8.2 完整結(jié)果
Bibliography



本文編號：3722407