【技术实现步骤摘要】
一种卵巢癌分子分型预测系统
本专利技术涉及数据处理
,具体为一种卵巢癌分子分型预测系统。
技术介绍
卵巢癌作为当今妇科癌症中死亡率最高的疾病,其早期诊断、预后和个体差异较大。根据现有的临床诊断及治疗手段难以继续提高卵巢癌的生存率,因而,基于癌症的异质性,有必要通过对卵巢癌的基因表达谱的挖掘和研究来深入认识卵巢癌复杂的致病机制。通过挖掘基因组学数据中卵巢癌的基因表达差异,可以将卵巢癌分成分化型、增殖型、免疫反应型、间质型4个亚型,以期于正确认识各亚型间的致病机制,并推断其起源,从根源上制定诊疗计划。随着大数据的完善和发展,让基因在疾病中的作用机制不断为人所知,通过对亚型的研究,发现在不同的亚型中基因表达谱有所不同,这类特定的基因也在不同通路中发挥作用,这也提示,对卵巢癌的进一步分类及挖掘有助于认识到各亚型的起源、发病机制,为治疗、预后等可提供新的研究方向。
技术实现思路
本专利技术的目的在于提供一种卵巢癌分子分型预测系统,以解决上述
技术介绍
中提出的问题,本专利技术探索并建立了跨平台亚型分类模型,筛选与各亚型相关的特异性基因进行基因富集分析后,得出与各亚型相关的通路,从而可推测出各亚型的致病机制与起源,为临床早期筛查方法、癌症精准治疗及靶向治疗位点提供新的思路与方法,改善卵巢癌患者预后及中位生存期等。为实现上述目的,本专利技术提供如下技术方案:一种卵巢癌分子分型预测系统,主要包括以下步骤:步骤1,卵巢癌mRNA基因表达特征数据提取模块:获取卵巢癌基因表达数据;步骤2,数据预处理器:对所有基因表达数据使用skleam中preprocessing.scale方法 ...
【技术保护点】
1.一种卵巢癌分子分型预测系统,其特征在于:主要包括以下步骤:步骤1,卵巢癌mRNA基因表达特征数据提取模块:获取卵巢癌基因表达数据;步骤2,数据预处理器:对所有基因表达数据使用skleam中preprocessing.scale方法进行标准化处理,根据公式Z‑scroce=(x‑μ)/S2,将每张mRNA表达谱数据处理成均值为0,方差为1的服从正态分布的数据;步骤3,选择主要特征基因数据:运用主成分分析法(PCA)进行特征筛选,Filter特征选择法选取出特征表达最明显的N个特征;步骤4,使用BP神经网络对N个特征的基因数据训练模型;步骤5,验证:使用一定量样本进行回带程序验证。
【技术特征摘要】
1.一种卵巢癌分子分型预测系统,其特征在于:主要包括以下步骤:步骤1,卵巢癌mRNA基因表达特征数据提取模块:获取卵巢癌基因表达数据;步骤2,数据预处理器:对所有基因表达数据使用skleam中preprocessing.scale方法进行标准化处理,根据公式Z-scroce=(x-μ)/S2,将每张mRNA表达谱数据处理成均值为0,方差为1的服从正态分布的数据;步骤3,选择主要特征基因数据:运用主成分分析法(PCA)进行特征筛选,Filter特征选择法选取出特征表达最明显的N个特征;步骤4,使用BP神经网络对N个特征的基因数据训练模型;步骤5,验证:使用一定量样本进行回带程序验证。2.根据权利要求1所述的一种卵巢癌分子分型预测系统,其特征在于:所述主成分分析法(PCA)为:设原始变量x1,x2等数据矩阵为X,将数据矩阵按列进行中心标准化,然后求相关系数矩阵R;R=(rij)p×p其中,rij=rji,rii=1;求R的特征方程:det(R-λE)=0其中,λ1>=λ2>=λp>0;确定主成分个数:其中,α为累计贡献率,一般取α>=80%;计算m个相应的单位特征向量:计算主成分:Zi=β1iX1+β2iX2+......+βpiXp,i=1,2,......,m。3.根据权利要求1所述的一种卵巢癌分子分型预测系统,其特征在于:所述Filter特征选择法是一种启发式方法,其基本思想就是制定一个准则,用来衡量每个特征或者属性,对目标特征或属性的重要性程度,以此来对所有特征或者属性进行排序,或者进行择优选择,选取出特征表达最明显的N个特征。4.根据权利要求3所述的一种卵巢癌分子分型预测系统,其特征在于:所述准则采用但不限于信息增益准则。5.根据权利要求1所述的一种卵巢癌分子分型预测系统,其特征在于:所述BP神经网络包含输入层,隐含层和输出层:假设有d个输入神经元,有1个输出神经元,q个隐含层神经元;设输出层第j个神经元的阈值为θj;设隐含层第h个神经元的阈值为γh;输入层第i个神经元与隐含层第h个神经元之间的连接权为Vih;隐含层第h个神经元与输出层第j个神经元之间的连接权为Whj;记隐含层第h个神经元接收到来自于输入层的输入为αh;记输出层第j个神经元接收到来自于隐含层的输入为βj;其中bh为隐含层第h个神经元的输出;理论推导:在神经网...
【专利技术属性】
技术研发人员:邓立彬,王豪庆,梁博文,王紫璇,杨霭琳,傅芬,汤晓丽,
申请(专利权)人:南昌大学,
类型:发明
国别省市:江西,36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。