[發明專利]一種利用全基因組數據挖掘甲基化模式的方法

在審

• 申請號: 201710409105.6
• 申請日: 2017-06-02
• 公開（公告）號: CN107301330A
• 公開（公告）日: 2017-10-27
• 發明（設計）人: 楊利英;楊勝楠
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F19/24
• 分類號: G06F19/24;G06F19/20
• 代理公司: 西安長和專利代理有限公司61227
• 代理人: 黃偉洪

1.一種利用全基因組數據挖掘甲基化模式的方法，其特征在于，所述利用全基因組數據挖掘甲基化模式的方法包括：在多種數據樣本集上使用基因芯片顯著性分析SAM方法，分別篩選出全基因組上的差異甲基化位點；將多個樣本集的甲基化差異位點取交集，得到共同差異位點集合；計算差異甲基化位點的甲基化水平與相應基因表達水平間的皮爾森相關系數，識別甲基化調控位點；對差異位點集合迭代進行AP聚類，得到甲基化簇，分別對每個甲基化簇進行模式分析，并通過基因注釋和KEGG富集分析進行論證。

2.如權利要求1所述的利用全基因組數據挖掘甲基化模式的方法，其特征在于，所述利用全基因組數據挖掘甲基化模式的方法包括以下步驟：

步驟一，對多種疾病樣本數據的甲基化水平及基因表達水平進行預處理，預處理過程分為甲基化數據預處理和基因表達數據預處理；

步驟二，用基因芯片顯著性分析SAM方法篩選差異甲基化位點，對每種疾病預處理后的CpG位點甲基化數據，分別采取非配對參數的SAM算法進行差異甲基化位點篩選，每種疾病的正常樣本和患病樣本進行100次的重復實驗以調整SAM的閾值，觀察每個閾值對應的假陽性率FDR值，選取FDR值為0時對應的值作為閾值Δ；

步驟三，將篩選出來的各個疾病的差異甲基化位點，取交集，得到差異甲基化位點集合；分析差異甲基化位點集合在基因各個位置的分布；

步驟四，對得到的差異甲基化位點集合進行AP聚類，得到甲基化簇；

步驟五，取出差異甲基化位點集合對應的基因表達水平，計算之間的皮爾森相關系數，根據系數的大小設置閾值，識別甲基化調控位點；

步驟六，根據得到的甲基化簇及甲基化調控位點，得到多種疾病全基因組上的甲基化模式。

3.如權利要求2所述的利用全基因組數據挖掘甲基化模式的方法，其特征在于，所述步驟一具體包括：

1)甲基化數據預處理：將每個樣本的Beta值映射到基因組上而產生的數據；去掉基因名為空的位點，以及包含0的個數達到80％以上的位點；

2)基因表達數據預處理：去掉包含0的個數達到80％以上的基因，進行缺失值填充，標準化后取對數歸一化；

3)按照基因結構將位點分區域：將全基因組的甲基化位點根據基因結構分為如下區域：啟動子區域、基因體區域、3'UTR三個區域；啟動子區域劃分為TSS1500、TSS200、第一外顯子、5'UTR四個小區域。

4.如權利要求2所述的利用全基因組數據挖掘甲基化模式的方法，其特征在于，所述步驟四具體包括：

1)取出差異甲基化位點集合對應的每種疾病的患病樣本的甲基化水平，得到一個行為甲基化位點，列為數據集樣本的矩陣，即聚類的數據集；

2)計算甲基化數據的相似矩陣，相似性度量采用皮爾森相關系數，得到的相似矩陣為對稱矩陣；

3)將相似矩陣當做AP聚類的輸入，迭代地進行差異甲基化數據的AP聚類，每次迭代都生成一定數目的聚類。