一种多组学数据聚类方法及装置制造方法及图纸

本发明专利技术公开了一种多组学数据聚类方法，包括：获取待测样本的多个原始组学数据，并对所述原始组学数据进行标准化，得到组学数据；构建每个所述组学数据的局部相似矩阵；将所述局部相似矩阵输入到预设的谱聚类模型，得到每个所述组学数据的聚类结果，并基于所述聚类结果更新所述局部相似矩阵；根据更新后的局部相似矩阵建立优化模型，并通过求解所述优化模型，得到全局相似度矩阵；将所述全局相似度矩阵输入到所述谱聚类模型，得到所述待测样本的亚型识别结果。本发明专利技术还公开了一种多组学数据聚类装置，能有效解决现有技术没有考虑不同组学的权重，及基于谱聚类的算法没有利用到由谱聚类得到的多个子图的节点路径信息导致影响分型准确性的问题。

A clustering method and device for multi group data

【技术实现步骤摘要】
一种多组学数据聚类方法及装置
本专利技术涉及多组学整合
，尤其涉及一种多组学数据聚类方法及装置。
技术介绍
高通量测序的发展加速了来自多个来源的组学数据在同一肿瘤组织上的积累。癌症亚型鉴定已成为多组学研究的主要临床应用。它可以提供对疾病发病机理的更深入了解以及针对性疗法的设计，多组学整合聚类是从多组学数据中识别癌症亚型的主要工具。多组学整合存在以下挑战：1、高维度小样本；2、如何恰当整合不同组学的信息；3、每个组学数据在规模，维度和质量上的异质性。整合多组学的方法可以大致分为三类：1、基于相似度的方法；2、基于降维的方法；3、统计方法。基于相似性的方法是使用样本之间的相似度来聚类数据，由于在当前的多组学数据中，样本数量远远小于特征数量，基于相似性的方法是通常比考虑特征的方法要快。例如相似度网络融合(SNF)根据消息传递融合从他们的每种数据类型获得的患者相似性网络。Grassmanncluster在格拉斯曼流形上合并每种组学数据的子空间表示(由谱聚类得到)，来获得一个综合的子空间表示，在该子空间中实现对癌症患者分型。r>但现有技术没有考本文档来自技高网...

【技术保护点】
1.一种多组学数据聚类方法，其特征在于，包括：/n获取待测样本的多个原始组学数据，并对所述原始组学数据进行标准化，得到组学数据；/n构建每个所述组学数据的局部相似矩阵；/n将所述局部相似矩阵输入到预设的谱聚类模型，得到每个所述组学数据的聚类结果，并基于所述聚类结果更新所述局部相似矩阵；/n根据更新后的局部相似矩阵建立优化模型，并通过求解所述优化模型，得到全局相似度矩阵；/n将所述全局相似度矩阵输入到所述谱聚类模型，得到所述待测样本的亚型识别结果。/n

【技术特征摘要】
1.一种多组学数据聚类方法，其特征在于，包括：
获取待测样本的多个原始组学数据，并对所述原始组学数据进行标准化，得到组学数据；
构建每个所述组学数据的局部相似矩阵；
将所述局部相似矩阵输入到预设的谱聚类模型，得到每个所述组学数据的聚类结果，并基于所述聚类结果更新所述局部相似矩阵；
根据更新后的局部相似矩阵建立优化模型，并通过求解所述优化模型，得到全局相似度矩阵；
将所述全局相似度矩阵输入到所述谱聚类模型，得到所述待测样本的亚型识别结果。


2.如权利要求1所述的多组学数据聚类方法，其特征在于，所述构建每个所述组学数据的局部相似矩阵，具体包括：
所述局部相似矩阵由以下公式确定，具体公式如下：



Z(i,j)＝(Z(i,j)+Z(j,i))/2
其中，
Z为所述局部相似矩阵，W(i,j)为待测样本i与待测样本j的高斯核相似度，W(i,k)为待测样本i与待测样本k的高斯核相似度，d(xi,xj)为待测样本i与待测样本j之间的欧式距离，μ为用于控制指数衰减速度的比例常数，∈i,j矫正度量误差参数，Ni为待测样本K的最近邻集合。


3.如权利要求2所述的多组学数据聚类方法，其特征在于，所述将所述局部相似矩阵输入到预设的谱聚类模型，得到每个所述组学数据的聚类结果，并基于所述聚类结果更新所述局部相似矩阵，还包括：
根据每个所述组学数据的聚类结果，建立聚类矩阵；
根据以下公式更新所述局部相似矩阵：
Zv＝Zv′*Ωv
其中，Zv′为每个所述组学数据的局部相似矩阵，Zv为更新后的局部相似矩阵；Ωv为所述聚类矩阵，当所述聚类结果为两个所述待测样本的同一组学数据处于同一个聚类簇时，Ωv(i，j)＝1；当所述聚类结果为两个所述待测样本的同一组学数据处于同一个聚类簇时，Ωv(i，j)＝0。


4.如权利要求3所述的多组学数据聚类方法，其特征在于，所述根据更新后的局部相似矩阵建立优化模型，具体包括：
根据以下公式得到所述优化模型：



s.t.diag(s)＝0，sT1＝1，S＝ST，S≥0
ωT1＝1，0≤ωv≤1
其中，s.t.0≤T≤T，tr(T)＝c
S为所述全局相似度矩阵，ω为权重，ωv为每个所述组学数据的权重，ωT为所有所述组学数据的权重之和，v为组学数据的类型，m为组学数据的类型总个数，Ziv为更新后的局部相似矩阵的行向量，Zjv为更新后的局部相似矩阵的列向量，α、β为对应正则项的参数，diag(S)为所述全局相似度矩阵的对角元素组成向量，为所述全局相似度矩阵的块对角结构，T为所述全局相似度矩阵的替代矩阵，LS为所述全局相似度矩阵的拉普拉斯矩阵，c为所述替代矩阵的对角块个数。


5.如权利要求4所述的多组学数据聚类方法，其特征在于，所述通过求解所述优化模型，得到全局相似度矩阵，具体包括：
引入替代变量、惩罚系数及拉格朗日乘子，所述优化模型由以下公式确定，具体公式如下：



s.t.diag(S2)＝0，S2≥0，
wT1＝1,0≤wυ≤1，0≤T≤I，tr(T)＝c
其中，S1为第一替代变量，S2为第二替代变量，μ1为第一惩罚系数，μ2为第二惩罚系数，Λ1为第一拉格朗日乘子，Λ2为第二拉格朗日乘子；
迭代地执行以下步骤，直至达到预设的收敛条件，获得最终的全局相似度矩阵：
固定所述第一替代变量、所述第二替代变量、所述全局相似度矩阵及所述权重，更新所述替代矩阵；
固定所述第一替代变量、所述第二替代变量、所述替代矩阵及所述权重，更新所述全局相似度矩阵；
固定所述全局相似度矩阵、所述第二替代变量、所述替代矩阵及所述权重，更新所述第一替代变量；
固定所述全局相似度矩阵、所述第一替代变量、所述替代矩阵及所述权重，更新所述第二替代变量；
固定所述全局相似度矩阵、所述第一替代变量、所述替代矩阵及所述第二替代变量，更新所述权重；
更新所述第一惩罚系数、所述第二惩罚系数、所述第一拉格朗日乘子及所述第二拉格朗日乘子。


6.一种多组学数据聚类装置，其特征在于，包括：
数据获取模块，用于获取待测样本的多个原始组...

【专利技术属性】
技术研发人员：蔡宏民，容文滔，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44