發(fā)布時(shí)間：2022-12-09 03:49

　　癌癥主要由基因組變異導(dǎo)致,從癌癥基因組變異中發(fā)現(xiàn)具有致癌作用的癌癥驅(qū)動(dòng)變異,對(duì)癌癥診斷治療的相關(guān)研究具有重要意義。隨著高通量微陣列技術(shù)和下一代測(cè)序技術(shù)的發(fā)展,現(xiàn)有研究積累了大量癌癥患者的基因組變異數(shù)據(jù),為癌癥驅(qū)動(dòng)變異的計(jì)算發(fā)現(xiàn)提供了可能。在現(xiàn)有研究中,驅(qū)動(dòng)變異發(fā)現(xiàn)方法主要檢測(cè)變異在癌癥樣本中的發(fā)生頻率,并將其中的高頻變異作為癌癥驅(qū)動(dòng)變異。然而,近期研究表明癌癥存在腫瘤異質(zhì)性,即癌癥中不同樣本具有不同的基因組變異。在異質(zhì)性癌癥中,一些驅(qū)動(dòng)變異僅在部分癌癥樣本中發(fā)生,而在全部樣本中則表現(xiàn)出相對(duì)低頻。因此,現(xiàn)有方法難以對(duì)上述驅(qū)動(dòng)變異進(jìn)行有效識(shí)別。為了有效發(fā)現(xiàn)異質(zhì)性癌癥中的驅(qū)動(dòng)變異,本文根據(jù)癌癥基因組變異的特點(diǎn)對(duì)矩陣分解進(jìn)行針對(duì)性改進(jìn),提出面向異質(zhì)性癌癥的驅(qū)動(dòng)變異發(fā)現(xiàn)算法。本文主要研究?jī)?nèi)容如下:1.為從拷貝數(shù)變異中發(fā)現(xiàn)癌癥驅(qū)動(dòng)變異,現(xiàn)有研究主要致力于識(shí)別癌癥中的頻發(fā)拷貝數(shù)變異。本研究通過(guò)對(duì)稀疏奇異值分解進(jìn)行算法改進(jìn),構(gòu)建針對(duì)復(fù)雜模式的頻發(fā)拷貝數(shù)變異發(fā)現(xiàn)算法。在此基礎(chǔ)上,進(jìn)一步提出面向異質(zhì)性癌癥的亞群特異性頻發(fā)拷貝數(shù)變異發(fā)現(xiàn)算法。性能評(píng)估表明,本研究算法對(duì)異質(zhì)性癌癥的驅(qū)動(dòng)變異發(fā)現(xiàn)具有明顯優(yōu)勢(shì)。2... 

【文章頁(yè)數(shù)】：105 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
        1.1.1 癌癥驅(qū)動(dòng)變異
        1.1.2 腫瘤異質(zhì)性
    1.2 驅(qū)動(dòng)變異發(fā)現(xiàn)相關(guān)數(shù)據(jù)
    1.3 研究現(xiàn)狀
        1.3.1 CNA驅(qū)動(dòng)變異發(fā)現(xiàn)方法
        1.3.2 SNV驅(qū)動(dòng)變異相關(guān)基因發(fā)現(xiàn)方法
        1.3.3 基于矩陣分解的異質(zhì)性癌癥分析方法
    1.4 研究?jī)?nèi)容
第2章 異質(zhì)性癌癥CNA驅(qū)動(dòng)變異的發(fā)現(xiàn)算法
    2.1 概述
    2.2 異質(zhì)性癌癥CNA分析相關(guān)數(shù)據(jù)介紹
        2.2.1 CNA數(shù)據(jù)格式
        2.2.2 CNA模擬數(shù)據(jù)集
        2.2.3 CNA真實(shí)癌癥數(shù)據(jù)集
    2.3 基于矩陣分解的異質(zhì)性癌癥RCNA發(fā)現(xiàn)算法
        2.3.1 SVD與SSVD矩陣分解算法
        2.3.2 復(fù)雜模式RCNA發(fā)現(xiàn)算法
        2.3.3 亞群特異性RCNA發(fā)現(xiàn)算法
        2.3.4 RCNA變異的顯著性檢驗(yàn)
    2.4 性能評(píng)估指標(biāo)
    2.5 結(jié)果與討論
        2.5.1 模擬數(shù)據(jù)集RCNA發(fā)現(xiàn)結(jié)果分析
        2.5.2 真實(shí)數(shù)據(jù)集RCNA發(fā)現(xiàn)結(jié)果分析
    2.6 本章小結(jié)
第3章 異質(zhì)性癌癥SNV驅(qū)動(dòng)變異相關(guān)基因的發(fā)現(xiàn)算法
    3.1 概述
    3.2 異質(zhì)性癌癥SNV分析相關(guān)數(shù)據(jù)介紹
    3.3 面向異質(zhì)性癌癥的mCGfinder算法
        3.3.1 基于網(wǎng)絡(luò)正則化的矩陣分解算法
        3.3.2 驅(qū)動(dòng)變異相關(guān)基因的顯著性檢驗(yàn)
    3.4 性能評(píng)估指標(biāo)
    3.5 結(jié)果與討論
        3.5.1 SNV驅(qū)動(dòng)變異相關(guān)基因的發(fā)現(xiàn)結(jié)果分析
        3.5.2 SNV驅(qū)動(dòng)變異相關(guān)基因的排名結(jié)果分析
        3.5.3 mCGfinder發(fā)現(xiàn)結(jié)果的案例分析
        3.5.4 急性髓細(xì)胞性白血病數(shù)據(jù)的發(fā)現(xiàn)結(jié)果分析
    3.6 本章小結(jié)
第4章 泛癌癥SNV驅(qū)動(dòng)變異相關(guān)基因的發(fā)現(xiàn)算法
    4.1 概述
    4.2 泛癌癥分析相關(guān)數(shù)據(jù)介紹
    4.3 矩陣三分解泛癌癥驅(qū)動(dòng)基因發(fā)現(xiàn)方法
        4.3.1 非負(fù)矩陣三分解算法
        4.3.2 PanDriver算法
    4.4 結(jié)果與討論
        4.4.1 PanDriver與基于NMF算法的比較結(jié)果分析
        4.4.2 PanDriver與現(xiàn)有方法的比較結(jié)果分析
        4.4.3 PanDriver發(fā)現(xiàn)結(jié)果的案例分析
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 研究總結(jié)
    5.2 研究展望
參考文獻(xiàn)
附圖
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果



本文編號(hào)：3714759