癌癥分子表達(dá)水平具有高度異質(zhì)性,異質(zhì)性是指癌癥組織內(nèi)部存在的多個(gè)突變類型,它是癌癥的基本特征之一,也是開展精準(zhǔn)醫(yī)學(xué)的最大難題。對(duì)于癌癥患者進(jìn)行治療的依據(jù)是TNM分期,但預(yù)后效果欠佳。具有相同臨床分期或病理特征的癌癥患者采用相同治療方案存在明顯的預(yù)后差別。發(fā)現(xiàn)癌癥組織內(nèi)存在的分子亞型,進(jìn)而解析遺傳與表觀遺傳因素及其調(diào)控機(jī)制,是癌癥異質(zhì)性產(chǎn)生的機(jī)制研究中的一個(gè)重要的科學(xué)問題�；诎┌Y多組學(xué)數(shù)據(jù)對(duì)其分子亞型進(jìn)行識(shí)別,為解析癌癥的高度異質(zhì)性,提高預(yù)后判別的準(zhǔn)確性,選擇有效化療藥物實(shí)現(xiàn)個(gè)體化治療提供了重要的依據(jù)。本文提出了一種基于高斯混合模型的譜聚類算法識(shí)別癌癥分子亞型,解析癌癥的高度異質(zhì)性,有效地區(qū)分具有不同預(yù)后效果的多類病患。利用癌癥多組學(xué)數(shù)據(jù)作為訓(xùn)練集樣本,構(gòu)建癌癥分子亞型預(yù)測(cè)模型。將所述預(yù)測(cè)模型用于預(yù)測(cè)獨(dú)立測(cè)試集樣本的癌癥分子亞型,將癌癥樣本集劃分為多類分子亞型�；诟咚够旌夏Ｐ偷淖V聚類算法能夠有效地區(qū)分具有不同預(yù)后效果的多類病患,提高了癌癥預(yù)后判別的準(zhǔn)確性,為選擇有效化療藥物實(shí)現(xiàn)個(gè)體化治療提供重要依據(jù)。識(shí)別癌癥分子亞型為靶向治療以及腫瘤分類與分層治療提供科學(xué)評(píng)價(jià),對(duì)于癌癥的早期診斷、個(gè)...

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖5.1BRCA訓(xùn)練集的輪廓系數(shù)圖

圖5.1BRCA訓(xùn)練集的輪廓系數(shù)圖Figure5.1OutlineoftheBRCAtrainingset

圖5.2GBM訓(xùn)練集的輪廓系數(shù)圖

圖5.2GBM訓(xùn)練集的輪廓系數(shù)圖Figure5.2OutlinecoefficientmapoftheGBMtrainingset樣本數(shù)對(duì)應(yīng)平均寬度的加權(quán)平均值即為其中的平均輪廓寬度。通過比較訓(xùn)練集測(cè)試集的結(jié)果可知，輪廓系數(shù)的值在k=3，5，6，7時(shí)較....

圖5.4GBM測(cè)試集的輪廓系數(shù)圖

31圖5.4GBM測(cè)試集的輪廓系數(shù)圖Figure5.4OutlineoftheGBMtestset樣本數(shù)對(duì)應(yīng)平均寬度的加權(quán)平均值即為其中的平均輪廓寬度。

圖5.5GBM訓(xùn)練集數(shù)據(jù)

p=0.048）h（k=10，p=0.027）圖5.5GBM訓(xùn)練集數(shù)據(jù)Figure5.5GBMtrainingsetdataa（k=3，p=0.012）b（k=4，p=0.041）

本文編號(hào)：3927737