基于譜聚類算法的癌癥分型研究
發(fā)布時間:2024-03-13 23:36
癌癥分子表達水平具有高度異質性,異質性是指癌癥組織內部存在的多個突變類型,它是癌癥的基本特征之一,也是開展精準醫(yī)學的最大難題。對于癌癥患者進行治療的依據是TNM分期,但預后效果欠佳。具有相同臨床分期或病理特征的癌癥患者采用相同治療方案存在明顯的預后差別。發(fā)現癌癥組織內存在的分子亞型,進而解析遺傳與表觀遺傳因素及其調控機制,是癌癥異質性產生的機制研究中的一個重要的科學問題;诎┌Y多組學數據對其分子亞型進行識別,為解析癌癥的高度異質性,提高預后判別的準確性,選擇有效化療藥物實現個體化治療提供了重要的依據。本文提出了一種基于高斯混合模型的譜聚類算法識別癌癥分子亞型,解析癌癥的高度異質性,有效地區(qū)分具有不同預后效果的多類病患。利用癌癥多組學數據作為訓練集樣本,構建癌癥分子亞型預測模型。將所述預測模型用于預測獨立測試集樣本的癌癥分子亞型,將癌癥樣本集劃分為多類分子亞型。基于高斯混合模型的譜聚類算法能夠有效地區(qū)分具有不同預后效果的多類病患,提高了癌癥預后判別的準確性,為選擇有效化療藥物實現個體化治療提供重要依據。識別癌癥分子亞型為靶向治療以及腫瘤分類與分層治療提供科學評價,對于癌癥的早期診斷、個...
【文章頁數】:83 頁
【學位級別】:碩士
【部分圖文】:
本文編號:3927737
【文章頁數】:83 頁
【學位級別】:碩士
【部分圖文】:
圖5.1BRCA訓練集的輪廓系數圖
圖5.1BRCA訓練集的輪廓系數圖Figure5.1OutlineoftheBRCAtrainingset
圖5.2GBM訓練集的輪廓系數圖
圖5.2GBM訓練集的輪廓系數圖Figure5.2OutlinecoefficientmapoftheGBMtrainingset樣本數對應平均寬度的加權平均值即為其中的平均輪廓寬度。通過比較訓練集測試集的結果可知,輪廓系數的值在k=3,5,6,7時較....
圖5.4GBM測試集的輪廓系數圖
31圖5.4GBM測試集的輪廓系數圖Figure5.4OutlineoftheGBMtestset樣本數對應平均寬度的加權平均值即為其中的平均輪廓寬度。
圖5.5GBM訓練集數據
p=0.048)h(k=10,p=0.027)圖5.5GBM訓練集數據Figure5.5GBMtrainingsetdataa(k=3,p=0.012)b(k=4,p=0.041)
本文編號:3927737
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3927737.html