基于癌症整合数据网络模式的挖掘研究.pdf

摘要 摘 要 癌症测序数据的不断产生为癌症的研究提供了很好的数据支撑。在诸多数据挖掘方法 中，网络模式挖掘方法作为一种有效的数据挖掘手段，可以从宏观上构建出生物分子之间 的关系，从而使可挖掘的信息更丰富。在诸多癌症测序数据中，基因表达数据反映的是基 因转录产物mRNA 在细胞中的丰度。基因表达数据可以用来分析基因在细胞中的表达是否 发生改变、不同基因之间的相关性以及在不同条件下基因的活动如何受影响等问题。利用 基因表达数据构建共表达网络是分子生物网络研究中常见的方法。而癌症多组学数据的出 现使单一的数据或癌症网络分析模型无法满足这些数据的处理需求。因此，基于整合数据 的多癌症网络联合分析以及基于多种类型数据的整合模型的网络分析成为新的研究热点 和趋势。 TheCancer GenomeAtlas TCGA 本论文利用癌症基因图谱 （ ， ）中的多癌症整合数据， 基于基因共表达网络方法对多癌症异常表达基因和通路进行挖掘，主要分为以下三个部分： （1）针对数据中噪声的干扰问题，提出低秩去噪的网络分析方法。在多癌症整合数 据构网之前，该方法引入低秩稀疏的方法对数据矩阵进行去噪重构梳理，在不破坏数据完 整性的基础上，得到更加可靠且具有内部联系的低秩癌症数据；基于这些数据中基因向量 间的皮尔森系数进行网络构建，进而在网络中提取癌症信息。 2 （）针对基因节点之间相互关系的建立问题，结合节点多种关系测度和节点局部和 全局特性，提出节点多关系测度的网络分析方法 （PMN）。该方法结合了基因之间线性 （皮 尔森系数）和非线性 （互信息）关系，借鉴了节点的连通度和介数性质，从而发挥节点局 部和全局的特性；利用TCGA 中三种癌症的基因表达整合数据进行网络构建，丰富了网络 基因节点之间的关联关系，更有利于挖掘基因网络中蕴含的信息。 （3）针对TCGA 多整合数据的融合问题，提出基于整合图正则非负矩阵分解的网络 iGMFNA 分析方法（ ）。对于同一种癌症的不同类型数据（基因表达、甲基化、拷贝数变异）， 该方法采用矩阵分解方式进行重建融合，充分发挥每一类数据的作用，使得整合的网络涵 盖每类数据的特异性信息，从而对特定的癌症进行更系统的分析和异常表达模块的挖掘。 各项实验表明，本论文中提出的方法比同类方法更具优势且可以找到更多可疑的癌症 相关基因和模块。 关键词：基因共表达网络，多癌症整合数据，网络去噪，节点多关系测度，整合模型 I Abstract Abstract The continuous generation of cancer sequencing data provides a good data support for cancer research.Among the many data mining methods, the network pattern mining method as an effective data mining method, which can construct connections between bio-molecules macroscopically and provide a wealth of information. Gene expression data reflect the abundance of gene transcript mRNA measured in cells. These data can be utilized to analyze geneswhich have changed expression,what arethecorrelationsbetween genes,andtheactivities of genes affected under different conditions.The utilization