腫瘤中含有多種從單個祖先細(xì)胞種群通過連續(xù)獲取突變而形成的在基因組水平不同的細(xì)胞種群。通過自然選擇,這種腫瘤內(nèi)基因異質(zhì)性能夠使腫瘤獲得適應(yīng)性,從而導(dǎo)致治療失敗。腫瘤中含有某變異的所有的細(xì)胞的集合稱為該變異的亞克隆種群（Subclonal population）。亞克隆重構(gòu)（Subclonal reconstruction）,即重構(gòu)腫瘤中變異的亞克隆種群的進(jìn)化樹,能夠有助于識別與癌癥的發(fā)生和進(jìn)展相關(guān)的重要驅(qū)動變異,進(jìn)而設(shè)計更有效的治療方案�，F(xiàn)有基于測序數(shù)據(jù)進(jìn)行亞克隆重構(gòu)的算法依據(jù)變異的亞克隆種群比例推導(dǎo)腫瘤的進(jìn)化結(jié)構(gòu)。隨著測序技術(shù)發(fā)展和測序成本的降低,在癌癥發(fā)展的進(jìn)程中,通過多種測序技術(shù)、多次測序來進(jìn)行分析腫瘤成為可能,然而目前沒有基于多種測序技術(shù)的多次腫瘤測序數(shù)據(jù)進(jìn)行亞克隆重構(gòu)的自動化方法。針對該問題,本文開展了腫瘤中最常見的體細(xì)胞拷貝數(shù)突變（Somatic copy number alternation,SCNA）的亞克隆重構(gòu)相關(guān)的研究,相關(guān)的主要工作包括以下四個方面。（1）提出了一種基于貝葉斯概率模型和層次聚類的腫瘤測序數(shù)據(jù)偏差校正方法。現(xiàn)有基于腫瘤和其對照樣本的測序短片段（Read... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：138 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景和意義
        1.1.1 研究背景
        1.1.2 研究目的和意義
    1.2 相關(guān)背景知識
        1.2.1 腫瘤亞克隆
        1.2.2 亞克隆重構(gòu)
        1.2.3 用于亞克隆重構(gòu)的測序數(shù)據(jù)特征
    1.3 研究現(xiàn)狀綜述
        1.3.1 腫瘤測序數(shù)據(jù)的偏差校正
        1.3.2 腫瘤亞克隆種群中變異位置的識別方法
        1.3.3 亞克隆比例的求解方法
        1.3.4 亞克隆進(jìn)化樹重構(gòu)方法
    1.4 所存在的主要問題
    1.5 本文內(nèi)容安排
第2章 基于貝葉斯概率模型和層次聚類的腫瘤測序數(shù)據(jù)偏差校正方法
    2.1 引言
    2.2 腫瘤測序數(shù)據(jù)信息
    2.3 腫瘤測序數(shù)據(jù)的偏差研究
        2.3.1 腫瘤與對照樣本的二代測序數(shù)據(jù)的偏差差異
        2.3.2 偏差差異對求解亞克隆比例的影響
    2.4 基于貝葉斯網(wǎng)絡(luò)和層次聚類的腫瘤測序數(shù)據(jù)偏差校正算法
        2.4.1 偏差差異建模
        2.4.2 偏差校正方法
    2.5 基于貝葉斯網(wǎng)絡(luò)和層次聚類的腫瘤測序數(shù)據(jù)偏差校正算法的性能與分析
        2.5.1 模擬數(shù)據(jù)的測試
        2.5.2 HCC1954 系列實(shí)驗(yàn)數(shù)據(jù)的測試
        2.5.3 HCC1954 基線位置的旁證
        2.5.4 二代測序數(shù)據(jù)的信噪比對SCNA分析的影響
    2.6 本章小結(jié)
第3章 基于均值漂移和層次聚類的變異片段聚合方法
    3.1 引言
    3.2 基于均值漂移和層次聚類的亞克隆變異片段聚合算法
        3.2.1 亞克隆比例的解空間分析
        3.2.2 片段聚合算法
    3.3 基于均值漂移和層次聚類的亞克隆變異片段聚合算法的驗(yàn)證
        3.3.1 基于模擬數(shù)據(jù)的驗(yàn)證
        3.3.2 基于TCGA數(shù)據(jù)的驗(yàn)證
    3.4 本章小結(jié)
第4章 基于貝葉斯網(wǎng)絡(luò)的亞克隆比例計算方法
    4.1 引言
    4.2 亞克隆比例的貝葉斯網(wǎng)絡(luò)模型
        4.2.1 亞克隆比例建模
        4.2.2 亞克隆比例計算方法
    4.3 基于貝葉斯網(wǎng)絡(luò)的亞克隆比例計算方法實(shí)驗(yàn)結(jié)果與分析
        4.3.1 模擬數(shù)據(jù)的驗(yàn)證
        4.3.2 TCGA數(shù)據(jù)的驗(yàn)證
    4.4 本章小結(jié)
第5章 基于多階段樹學(xué)習(xí)的亞克隆進(jìn)化樹重構(gòu)
    5.1 引言
    5.2 多階段樹學(xué)習(xí)算法
        5.2.1 時序拓?fù)湟?guī)則原理
        5.2.2 基于腫瘤測序數(shù)據(jù)的變異時序檢測方法
        5.2.3 多階段樹抽樣方法
    5.3 多階段樹學(xué)習(xí)算法的擴(kuò)展
        5.3.1 時序拓?fù)湟?guī)則的擴(kuò)展
        5.3.2 累加規(guī)則和交叉規(guī)則在多階段樹抽樣中的約束
        5.3.3 單細(xì)胞測序數(shù)據(jù)在多階段樹抽樣中的約束
    5.4 基于多階段樹學(xué)習(xí)的亞克隆種群識別及其進(jìn)化樹重構(gòu)方法
    5.5 亞克隆種群識別及其進(jìn)化樹重構(gòu)方法性能和評價
        5.5.1 模擬數(shù)據(jù)的驗(yàn)證
        5.5.2 多階段樹學(xué)習(xí)可以縮小亞克隆比例解空間
        5.5.3 突變發(fā)生時間點(diǎn)的估計
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
索引
致謝
個人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]“控癌戰(zhàn)”而非“抗癌戰(zhàn)”[J]. 湯釗猷.  世界科學(xué). 2018(02)
[2]2017中國城市癌癥最新數(shù)據(jù)報告[J].   記者觀察. 2017(05)



本文編號：3159932