整合多组学数据的正则化回归模型及其应用.pdfVIP

摘要

组学数据的多样性深化了癌症诊断及内在机制的研究不同类型的数据提供了多角

度的癌症认知本文发展了两类整合多组学数据的正则化回归模型并分别应用于肝癌

诊断和癌症的多亚型分类问题实验结果表明了所提模型的有效性和优异性本文的主

要创新如下

针对肝癌诊断问题本文提出了整合基因突变和的自适应逻辑斯蒂回

归模型提出了一种基于值和折叠变化的数据整合策略以突出高突变

但差异表达不显著的基因相较于加权基因共表达网络分析所采用的局部

最大准团整合算法能够将基因划分进重叠群且有助于提高模型的诊断精度

通过结合基因突变和信息重要性提出了评价基因重要性的准则九种方法的实验结果

表明具有最佳的模型性能不仅实现了最优的诊断准确性而且筛选出了诸

如TP53、MUC16等与肝癌密切相关的基因

针对癌症的多亚型分类问题本文提出了整合甲基化、基因突变和

的自适应多项式回归模型提出了一种能有效利用多组学信息的数据预

处理策略并采用进行重叠基因分群使用生物通路信息构建了基因群的重要性

评价准则通过突变信息、信息理论和甲基化信息构建了单个基因的重要性评价准则乳

腺癌和卵巢癌数据集上的实验结果表明在所比较的七种方法中性能最佳并

能够筛选出与癌症亚型密切相关的基因

关键词正则化稀疏群多组学数据数据整合基因重叠分群癌症诊断

ABSTRACT