一种基于DNA甲基化的肿瘤分类方法与流程

技术特征：
1.一种基于dna甲基化的神经肿瘤分类算法，其特征在于，包括如下步骤：甲基化数据校正处理步骤：将基于dna甲基化的神经肿瘤数据运用r语言处理获取原始idat文件信号强度，通过数据校正计算，最终获取所有甲基化探针的信号值用作进一步分析；甲基化数据聚类分析步骤：通过无监督聚类分析k-means，对甲基化样本数据进行聚类分析，同时对聚类结果做效果评估，找出聚类分析的最优类别数；后通过t-sne降维分析来展现聚类后的不同类数据；甲基化数据分类分析步骤：运用有监督的分类分析，建立随机森林模型，后将数据集分成多个部分，进行10倍交叉验证，在每次迭代中，保留一份数据作为验证集并使用其他部分作为训练集；然后使用随机森林方法训练并实现分类功能，随机森林当中采用若干节点进行分类学习；高维小样本的处理步骤：通过特征选择，利用校准分类器对所有特征进行排序，通过选取特征值重要性95％以上的特征集合，本质是防止模型过拟合；所述的dna甲基化的神经肿瘤数据具体为850k探针数据或450k探针数据或450k探针数据。2.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述的r语言处理具体是采用如下的处理步骤：第一步，读取idat甲基化芯片原始数据和建立rgset对象；第二步，对第一步处理后的数据进行质控过滤，过滤强度为p值小于0.05；第三步，对过滤后的数据进行标准化，所述标准化具体为对探针的beta值进行校正，使得重复样本之间的beta值分布更加的接近，减少重复样本间的差异；采用minif包中的preprocessswan()函数进行归一化；第四步，对标准化后的数据进行过滤去掉重复数据和去除x染色体甲基化和y染色体甲基化数据；第五步，将第四步当中进行数据去除后的数据输出形成数据矩阵。3.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述数据校正计算的处理方式具体为应用r语言中minif包中的归一化函数进行背景降噪和归一化处理。4.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述无监督聚类分析k-means，对甲基化样本数据进行聚类分析具体为：步骤s1,在样本集中随机选取91个样本点作为均值的初始点；步骤s2，计算每个样本和每个均值点之间的欧式距离；步骤s3，将样本划入距离最近的均值点所在的簇；步骤s4，计算所有簇内样本的平均值，将计算后的平均值作为更新后的均值点；
步骤s5，重复步骤s2-4至聚类中心不再变化得到该簇的数据；步骤s6,获得最终91个簇的数据即完成聚类分析。5.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述效果评估为采用如下指标1-3进行评估：指标1为inertias指标，所述inertias指标指的是k-means模型对象的属性，它作为没有真实分类结果标签下的非监督式评估指标，用于表示样本到最近的聚类中心的距离总和；所述inertias的数值越小越好，越小表示样本在类间的分布越集中；指标2为兰德系数指标，所述兰德系数指标用c表示实际的类别划分，k表示聚类结果；定义a为在c中被划分为同一类，在k中被划分为同一簇的实例对数量；定义b为在c中被划分为不同类别，在k中被划分为不同簇的实例对数量；定义n为实例总数，则兰德系数ri＝2(a b)/n*(n-1)；指标3为互信息指标，所述互信息指标指的是相同数据的两个标签之间的相似度，即也是在衡量两个数据分布的相似程度；利用互信息来衡量聚类效果需要知道实际类别信息。6.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述t-sne降维分析的处理方式为使用对称版的sne来简化梯度公式；所述梯度公式为梯度grad公式；在低维空间下，使用t分布替代高斯分布表达两点之间的相似度。7.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述数据集分成10个部分，随机森林采用10000个节点进行分类学习。8.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述校准分类器具体是把分类的结果作为新的训练集，用逻辑回归再训练一个关系，得到具体的概率值，不同肿瘤类型校准分数不同，应用概率值后可反应结果的可信度；应用sigmoid函数对校准分数进行正则化处理，使得分类结果既有校准分数同时有概率值后输出结果。9.如权利要求1所述的一种基于dna甲基化的神经肿瘤分类算法，其特征在于，所述逻辑回归为多分类模型，由条件概率分布p(y|x)表示，形式为参数话的逻辑回归；随机变量x取实数，随机变量y取0或1；通过监督学习方法估计模型参数：p(y＝1|x)＝exp(w*x b)/1 exp(w*x b)。

技术总结
本发明公开了一种基于DNA甲基化的神经肿瘤分类算法，包括了甲基化数据校正处理步骤、甲基化数据聚类分析步骤、甲基化数据分类分析步骤、高维小样本的处理步骤四大步骤。本发明在应用于基于DNA甲基化的肿瘤分类算法当中的准确率比传统的SVM(支持向量机)、逻辑回归和决策树方法均要高。决策树方法均要高。


技术研发人员：马杰 王佳甲
受保护的技术使用者：马杰
技术研发日：2022.03.18
技术公布日：2022/7/9