天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

基于癌癥基因組學(xué)數(shù)據(jù)的腫瘤亞型發(fā)現(xiàn)研究

發(fā)布時(shí)間:2024-03-30 20:37
  當(dāng)前,癌癥成為嚴(yán)重危害人們生命的疾病之一,研究癌癥的發(fā)生十分必要。大量的癌癥多組學(xué)生物數(shù)據(jù)由于高通量測(cè)序技術(shù)的快速發(fā)展而不斷涌出,為分析癌癥的發(fā)病機(jī)理帶來了新的機(jī)遇。臨床研究發(fā)現(xiàn)具有相同病理特征的癌癥患者對(duì)相同的治療方案存在明顯的預(yù)后差別,因而進(jìn)一步地發(fā)現(xiàn)癌癥亞型具有重要的研究價(jià)值。癌癥亞型是對(duì)同一種癌癥病人進(jìn)行分組,形成不相同的分組結(jié)果,可用來指導(dǎo)癌癥的早期診斷與個(gè)性化治療,進(jìn)而使治療效果有所提高;同時(shí)對(duì)于癌癥發(fā)病機(jī)理研究和藥物靶標(biāo)的識(shí)別具有重要科學(xué)意義。癌癥亞型發(fā)現(xiàn)的有效途徑之一是基于聚類算法,其通過對(duì)多組學(xué)生物數(shù)據(jù)進(jìn)行整合,從而提取出與臨床聯(lián)系密切的腫瘤亞型。本文主要研究面向癌癥基因組學(xué)生物分子數(shù)據(jù)的聚類算法,主要研究工作如下:1、提出了一種基于簇間相似度和病人權(quán)重的集成聚類方法,該方法通過隨機(jī)變換縮放性指數(shù)相似度核函數(shù)中的兩個(gè)參數(shù)來產(chǎn)生多個(gè)不相同的基本簇,針對(duì)樣本在基本簇中聚類的難易程度計(jì)算出各樣本的權(quán)重。再將得到的樣本權(quán)重融入各樣本簇相似度計(jì)算過程中,最后利用基于圖分割的方法來得到最終的聚類結(jié)果。2、提出了一種基于子空間自適應(yīng)對(duì)齊聚類算法,該方法首先從每個(gè)組學(xué)數(shù)據(jù)的相似性網(wǎng)絡(luò)...

【文章頁數(shù)】:55 頁

【學(xué)位級(jí)別】:碩士

【部分圖文】:

圖1.1全球癌癥新增病例數(shù)和死亡病例數(shù)的區(qū)域分布統(tǒng)計(jì)

圖1.1全球癌癥新增病例數(shù)和死亡病例數(shù)的區(qū)域分布統(tǒng)計(jì)

安徽大學(xué)碩士學(xué)位論文1第一章緒論1.1研究背景和意義隨著現(xiàn)代醫(yī)療水平的不斷進(jìn)步,我們對(duì)癌癥有了更多的了解,但是全球各種類型癌癥的發(fā)生仍越來越頻繁,癌癥已然成為威脅人類生命健康最主要的殺手。在人類身上,目前已經(jīng)發(fā)現(xiàn)了一百多種癌癥,多數(shù)患者由于癌癥的并發(fā)性遭受了巨大的病痛。若想提高人....


圖2.1多核學(xué)習(xí)算法示意圖

圖2.1多核學(xué)習(xí)算法示意圖

安徽大學(xué)碩士學(xué)位論文112.2.3基于多核學(xué)習(xí)算法的聚類算法多核學(xué)習(xí)算法最初是為了提高各種核函數(shù)如線性核、高斯核和多項(xiàng)式核等搜索空間的容量,以實(shí)現(xiàn)良好的泛化。相比于單個(gè)核函數(shù)[37],多核學(xué)習(xí)[38-40]模型所具有的靈活性更高。由于多核學(xué)習(xí)中多個(gè)核函數(shù)可應(yīng)用于不同的組學(xué)數(shù)據(jù),使....


圖3.1LWEC方法的流程圖:(A)隨機(jī)變換縮放性指數(shù)相似度核函數(shù)中的兩個(gè)參數(shù)產(chǎn)生多個(gè)不相同的樣本簇;(B)依據(jù)共聯(lián)合矩陣中的值來計(jì)算出各樣本的權(quán)重;(C)將樣本權(quán)重融入樣本簇相似度計(jì)算過程中,計(jì)算出各樣本簇的相似度,構(gòu)建一個(gè)新的樣本-簇間協(xié)相關(guān)矩陣,再利用基于圖分割方法得到最終的聚類結(jié)果

圖3.1LWEC方法的流程圖:(A)隨機(jī)變換縮放性指數(shù)相似度核函數(shù)中的兩個(gè)參數(shù)產(chǎn)生多個(gè)不相同的樣本簇;(B)依據(jù)共聯(lián)合矩陣中的值來計(jì)算出各樣本的權(quán)重;(C)將樣本權(quán)重融入樣本簇相似度計(jì)算過程中,計(jì)算出各樣本簇的相似度,構(gòu)建一個(gè)新的樣本-簇間協(xié)相關(guān)矩陣,再利用基于圖分割方法得到最終的聚類結(jié)果

第三章基于簇間相似度和病人權(quán)重的集成聚類方法14圖3.1LWEC方法的流程圖:(A)隨機(jī)變換縮放性指數(shù)相似度核函數(shù)中的兩個(gè)參數(shù)產(chǎn)生多個(gè)不相同的樣本簇;(B)依據(jù)共聯(lián)合矩陣中的值來計(jì)算出各樣本的權(quán)重;(C)將樣本權(quán)重融入樣本簇相似度計(jì)算過程中,計(jì)算出各樣本簇的相似度,構(gòu)建一個(gè)新的樣....


圖3.2得到基本簇示意圖

圖3.2得到基本簇示意圖

安徽大學(xué)碩士學(xué)位論文17圖3.2得到基本簇示意圖對(duì)應(yīng)的0/1矩陣(BM)如表3.1所示。表3.1由基本簇構(gòu)建出的0/1矩陣(BM)11C12C13C21C22C1x100102x100013x001104x100015x010016x010103.2.3病人權(quán)重的分配基于WOEC....



本文編號(hào):3942905

資料下載
論文發(fā)表

本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3942905.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權(quán)申明:資料由用戶3765a***提供,本站僅收錄摘要或目錄,作者需要?jiǎng)h除請(qǐng)E-mail郵箱bigeng88@qq.com