[發明專利]一種面向基因表達與甲基化數據的融合方法

有效

• 申請號: 201711204711.0
• 申請日: 2017-11-27
• 公開（公告）號: CN107967410B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 凡時財;魯文斌;鄒見效;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G16B50/00
• 分類號: G16B50/00;G16B40/00;G16B25/10
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

1.一種面向基因表達與甲基化數據的融合方法，其特征在于，包括以下步驟：

(1)、數據的獲取

從癌癥基因組圖譜數據庫中獲取多種癌癥的基因表達數據和450K芯片測得的DNA甲基化數據；

(2)、DNA甲基化數據的處理

(2.1)、DNA甲基化數據的預處理：將DNA甲基化數據中存在缺失值的CpG位點刪除；

(2.2)、DNA甲基化數據的擴展：利用logistic回歸模型對步驟(2.1)處理后的DNA甲基化數據進行了擴展，得到DNA甲基化圖譜數據，得到DNA甲基化圖譜數據；

(2.3)、單個CpG位點甲基化數據的t假設檢驗

(2.3.1)、計算t假設檢驗后的每一個CpG位點的極值概率g_m

設DNA甲基化圖譜數據中有n₁個正常樣本數據和n₂個癌癥樣本數據，那么某一個CpG位點p^*在n₁個正常樣本數據中的甲基化水平為W₁，其均值為在n₂個癌癥樣本數據中的甲基化水平為W₂，其均值為對應的正態分布參數分別為和其中，μ₁、μ₂分別表示n₁個正常樣本數據的均值和n₂個癌癥樣本數據的均值，分別表示n₁個正常樣本數據的方差和n₂個癌癥樣本數據的方差；

設兩類樣本方差相等，即構造假設檢驗統計量S^*，其中，n為DNA甲基化圖譜數據總個數；

給定顯著性水平α，求出t假設檢驗后的每一個CpG位點的極值概率g_m：P{·}表示求極值概率，m＝1,2,…,k，k表示DNA甲基化圖譜數據中CpG位點總個數；

(2.3.2)、判斷每一個CpG位點是否是差異甲基化位點

如果則該CpG位點p^*在n₁個正常樣本數據和n₂個癌癥樣本數據中存在顯著性差異，即判定該CpG位點p^*是差異甲基化位點，依次類推，得到所有的差異甲基化位點；

(2.4)、對所有的DNA甲基化位點進行聯合費雪檢驗

給定顯著性水平α₁，同時確定差異甲基化位點在整個基因啟動子區的分布情況；

將t假設檢驗后的每一個CpG位點的極值概率g_m利用如下公式進行綜合評估，得到假設檢驗統計量

將假設檢驗統計量與α₁比較，如果則判定該基因為差異基因；否則舍去；

(3)、基因表達數據的預處理

(3.1)、缺失值處理

在基因表達數據中，將存在缺失值的基因表達數據刪除處理；

(3.2)、數據標準化

設步驟(3.1)處理后的基因表達數據為一n行p列的矩陣，表示為X＝(x_ij)_n×p，x_ij表示矩陣X的元素；

對矩陣X＝(x_ij)_n×p取對數處理，得到矩陣Y_ij＝log₂x_ij，i＝1,2,…,n，j＝1,2,…,p-1；

(3.3)、基因表達數據的特征選擇

對矩陣Y_ij中每一列作t假設檢驗：以矩陣Y_ij的每一列為單位，對矩陣Y_ij中正常樣本和癌癥樣本在每一列的平均數是否相等進行t假設檢驗，得到差異基因；

(4)、數據融合；

(4.1)、基因表達數據和DNA甲基化數據的融合

將步驟(2)得到的差異基因與通過步驟(3)得到的差異基因取交集，得到交疊基因；

(4.2)、基因通路分析

通過David在線工具對交疊基因的通路進行分析，在顯著富集通路里找出與癌癥、免疫相關的通路，用于DNA甲基化數據的擴展。