科學(xué)技術(shù)的迅猛發(fā)展推動(dòng)了生物醫(yī)學(xué)研究領(lǐng)域的極大進(jìn)步,生物醫(yī)學(xué)數(shù)據(jù)的爆發(fā)帶來了一場(chǎng)數(shù)據(jù)革命,多年來積累了大量不同類型的癌癥數(shù)據(jù)。癌癥在分子層面上的定義一直是生物信息領(lǐng)域的重要研究?jī)?nèi)容,是輔助醫(yī)療診斷,快速為不同亞型的患者提供診斷方案的重要途徑。探究在多樣的生物數(shù)據(jù)中挖掘有效的潛在信息成為癌癥分子分型的研究熱點(diǎn)之一。當(dāng)前,癌癥的分子分型常用方式依然是對(duì)單個(gè)類型數(shù)據(jù)源的分子分型,并且大多是以無監(jiān)督或者是半監(jiān)督的方式學(xué)習(xí),這些方法無法將多種與癌癥發(fā)生與發(fā)展機(jī)制相關(guān)的數(shù)據(jù)類型高效利用,容易造成信息損失。整合多組學(xué)數(shù)據(jù)不僅能夠挖掘癌癥與相關(guān)組學(xué)分子數(shù)據(jù)的聯(lián)系,還能夠發(fā)現(xiàn)各組學(xué)數(shù)據(jù)之間對(duì)癌癥的協(xié)同共享的作用關(guān)系。由于生物數(shù)據(jù)普遍具有特征維度廣、噪聲干擾多、樣本量少等特點(diǎn),本文基于相似性網(wǎng)絡(luò)融合的方法對(duì)多組學(xué)癌癥數(shù)據(jù)進(jìn)行整合,并針對(duì)原有方法使用歐氏距離的局限性,提出一種基于深度子空間模型的相似性網(wǎng)絡(luò)融合算法。對(duì)于融合后的相似性網(wǎng)絡(luò),使用譜聚類從而實(shí)現(xiàn)癌癥預(yù)后相關(guān)分子分型任務(wù)。傳統(tǒng)方法分子分型算法大多使用連續(xù)的組學(xué)數(shù)據(jù),而忽略了許多離散組學(xué)數(shù)據(jù)的對(duì)于癌癥分型問題的意義。本文利用網(wǎng)絡(luò)傳播算法,結(jié)合基因相互...

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1TCGA數(shù)據(jù)庫癌癥類型[5]

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-2-CancerGenomeAtlas，TCGA），該項(xiàng)目基于高通量測(cè)序技術(shù)，在數(shù)據(jù)庫中收集了33種常見癌癥的2萬多名患者樣本數(shù)據(jù)，如圖1-1所示。TCGA除了包括臨床數(shù)據(jù)外，還包括大量不同類型的組學(xué)數(shù)據(jù)（如DNA甲基化、micoRNA、轉(zhuǎn)錄組表達(dá)....

圖2-1使用多種組學(xué)數(shù)據(jù)類型的分子分型[26]

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-11-2.3整合多組學(xué)數(shù)據(jù)的癌癥分型方法在近年的分子分型研究領(lǐng)域中，部分學(xué)者將當(dāng)前已提出的方法根據(jù)數(shù)據(jù)融合的階段大致分為三個(gè)大類[26]：前期整合、中期整合、后期整合。數(shù)據(jù)的前期整合是最容易的辦法，通常是把多種類型數(shù)據(jù)對(duì)應(yīng)的表達(dá)譜簡(jiǎn)單拼接合并，組合....

圖2-2相似性網(wǎng)絡(luò)融合算法[16]

肯嗨菩躍卣螅?局噬鮮羌偕柰?韁械木植肯嗨菩員?網(wǎng)絡(luò)中的全局相似性更可靠。對(duì)于全局相似性矩陣，它攜帶各個(gè)病人和其他每個(gè)病人相似度的全局信息，而局部相似性矩陣，僅為每個(gè)病人編碼與k各最相似的病人的相似度。融合過程中總是以全局相似性矩陣為初始狀態(tài)，以局部相似性矩陣為核矩陣，利用在全局網(wǎng)....

圖2-4降噪自編碼器

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-17-除，變成，此后再對(duì)進(jìn)行編碼與解碼操作，最終得到恢復(fù)信號(hào)=(())，盡可能逼近未被破壞的數(shù)據(jù)。此訓(xùn)練過程中的誤差從(,())變成了(,())，降噪自編碼器的模型結(jié)構(gòu)如圖2-4所示。圖2-4降噪自編碼器2.5本章小結(jié)本章主要闡述了與分子分型課題后....

本文編號(hào)：4003999