一种基于RNA测序的癌症溯源方法技术

本发明专利技术公开了一种基于RNA测序的癌症溯源方法，包括以下步骤：S1、获取癌症数据中的TCGAFRESH数据、TCGAFFPE数据和TCGAMETASTATIC数据，并对癌症数据进行预处理；S2、基于transformer模型搭建癌症溯源网络模型；S3、采用预处理后的TCGAFRESH数据，对癌症溯源网络模型进行训练，得到训练后的癌症溯源网络模型；S4、将预处理后的TCGAFFPE数据和TCGA METASTATIC数据作为测试数据，将两个测试数据集分别送入训练后的癌症溯源网络模型中，对癌症进行分类溯源；本发明专利技术将transformer模型应用到了两万维RNA测序数据上，且可以使用所有的基因作为输入，不会存在基因筛选导致的丢失原始基因信息的问题，可有效提高癌症溯源分类的精确度。源分类的精确度。源分类的精确度。

【技术实现步骤摘要】
一种基于RNA测序的癌症溯源方法


[0001]本专利技术涉及肿瘤溯源
，具体涉及一种基于RNA测序的癌症溯源方法。

技术介绍

[0002]不明原发性癌症(Cancerofunknownprimary,CUP)是一种转移性肿瘤，是指尽管进行了标准的诊断检查，但仍然无法找到原发部位的一种疾病。如果不能准确了解患者的原发癌症部位，就不能对患者采取针对性的治疗方法，导致患者不能得到有效的治疗，让患者处于不利地位。所以，准确识别出癌症的原发部位对于患者的治疗是至关重要的。
[0003]目前，各种癌症溯源的方法所采用的数据种类有很多，比如基因表达数据、DNA甲基化数据等等。其中，基于RNA测序数据的方法主要有SCOPE、CUP
‑
AI
‑
Dx、TOD
‑
CUP等等。由于RNA测序数据达到了上万维，这种具有高维特征的特性使得设计合适的机器学习方法变得困难。现有的多种机器学习方法存在模型简单或丢失原始基因信息的问题，比如SCOPE使用简单的全连接网络来预测癌症类别，而简单的全连接网络可能无法有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RNA测序的癌症溯源方法，其特征在于，包括以下步骤：S1、获取癌症数据中的TCGA FRESH数据、TCGA FFPE数据和TCGA METASTATIC数据，并对癌症数据进行预处理；S2、基于transformer模型搭建癌症溯源网络模型；S3、采用预处理后的TCGAFRESH数据，对癌症溯源网络模型进行训练，得到训练后的癌症溯源网络模型；S4、将预处理后的TCGAFFPE数据和TCGAMETASTATIC数据作为测试数据，将两个测试数据集分别送入训练后的癌症溯源网络模型中，对癌症进行分类溯源。2.如权利要求1所述的一种基于RNA测序的癌症溯源方法，其特征在于，步骤S1的具体过程为：S11、从肿瘤基因组图谱TCGA中，获取TCGAFRESH数据、TCGAFFPE数据和TCGAMETASTATIC数据，癌症类型一共为32种；其中，TCGAFRESH数据和TCGA FFPE数据采样来自原发灶，TCGAMETASTATIC数据采样来自转移灶，三种数据的格式都为FPKM；S12、对于每个基因g，如果有一半以上的样本的基因g的表达值为0，则将该基因g删除；再对处理后的所有样本的基因数据进行log转换，具体操作为log(t+1)，得到转换后的数据，其中t为基因g的表达值；S13、对每个癌型分配一个标签，一共有32种癌型，标签数从0到31，每个癌型对应一个数字标签；S14、标签分配好后，根据每个样本所属的癌型为每个样本分配标签。3.如权利要求2所述的一种基于RNA测序的癌症溯源方法，其特征在于：步骤S11中所述TCGAFRESH数据、TCGAFFPE数据和TCGAMETASTATIC数据的样本数分别为9697、246和391。4.如权利要求3所述的一种基于RNA测序的癌症溯源方法，其特征在于，步骤S2的具体过程为：S21、使用一维卷积对RNA测序数据进行处理，将原始RNA数据x转换为适合transformer模型处理的数据x
e
，其中，x∈R
1xW
，x
e
∈R
NxP...

【专利技术属性】
技术研发人员：方韩，俞容山，
申请(专利权)人：厦门大学，
类型：发明
国别省市：