一种基于多组学癌症亚型分型的数据处理方法技术

本发明专利技术涉及深度学习领域，具体涉及一种基于多组学癌症亚型分型的数据处理方法，包括：获取目标对象的初始基因表达矩阵、甲基化信号值矩阵以及蛋白质表达矩阵；构建基因对蛋白质的作用关系；根据初始基因表达矩阵和甲基化信号值矩阵构建甲基化位点对基因的作用关系；将初始基因表达矩阵、蛋白质表达矩阵以及基因对蛋白质的作用关系输入到生成对抗网络中，得到第一基因表达矩阵；将第一基因表达矩阵、甲基化信号值矩阵以及甲基化位点对基因的作用关系输入到生成对抗网络中，得到第二基因表达矩阵；对第二基因表达矩阵进行亚型聚类；本发明专利技术将多组学数据融合，利用生成对抗网络生成带蛋白质信息和表观组信息的mRNA表达谱，提高了分类的准确度。类的准确度。类的准确度。

【技术实现步骤摘要】
一种基于多组学癌症亚型分型的数据处理方法


[0001]本专利技术涉及深度学习领域，具体涉及一种基于多组学癌症亚型分型的数据处理方法。

技术介绍

[0002]随着计算机技术的发展，医疗领域利用计算机技术进行辅助诊断和治疗也在逐渐普及，癌症作为一种难以治愈的疾病，针对癌症的研究越来越多。多组学数据指的是同时考虑多个层面(如基因、蛋白质、代谢物等)的数据。癌症多组学研究是一种基于多组学数据的癌症研究方法，旨在了解癌症发生、发展的分子机制。癌症多组学数据通常包括基因组学、转录组学、蛋白质组学和代谢组学等方面的数据；通过整合这些多组学数据，可以识别出与癌症相关的基因、蛋白质、代谢物等生物标志物，从而更深入地了解癌症的分子机制；同时，多组学数据的整合也可以帮助预测患者的治疗反应和生存率，为个性化治疗提供参考依据。
[0003]但是当前的多组学癌症研究大多基于不同组学数据分别进行分析，最后对分析结果进行整合，未将不同的组学数据从数据层面进行融合，使得分析的结果准确度低。

技术实现思路

[0004]为解决以上现有技术存在的问题，本专利技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多组学癌症亚型分型的数据处理方法，其特征在于，包括：S1：获取目标对象的多组学数据，该多组学数据包括目标对象的初始基因表达矩阵、甲基化信号值矩阵以及蛋白质表达矩阵；S2：根据初始基因表达矩阵和蛋白质表达矩阵构建基因对蛋白质的作用关系；S3：根据初始基因表达矩阵和甲基化信号值矩阵构建甲基化位点对基因的作用关系；S4：将初始基因表达矩阵、蛋白质表达矩阵以及基因对蛋白质的作用关系输入到生成对抗网络中，得到第一基因表达矩阵；S5：将第一基因表达矩阵、甲基化信号值矩阵以及甲基化位点对基因的作用关系输入到生成对抗网络中，得到第二基因表达矩阵；S6：对第二基因表达矩阵进行亚型聚类；S7：根据亚型聚类结果进行数据分析。2.根据权利要求1所述的一种基于多组学癌症亚型分型的数据处理方法，其特征在于，构建基因对蛋白质的作用关系的过程包括：获取蛋白质
‑
蛋白质相互作用网络和基因注释文件，其中蛋白质
‑
蛋白质相互作用网络包含蛋白质之间的网络关系，基因注释文件包含基因翻译成的蛋白质信息；根据基因翻译成的蛋白质信息和蛋白质与蛋白质之间的关系推导出基因对蛋白质的作用关系；根据基因对蛋白质的作用关系构建一个邻接矩阵，其中将有作用的基因
‑
蛋白关系记录为1，没有作用关系的记录为0；推导出基因对蛋白质的作用关系为：若基因A翻译产生蛋白质B，蛋白质B与蛋白质C有相互作用关系，则基因A对蛋白质C有作用关系。3.根据权利要求1所述的一种基于多组学癌症亚型分型的数据处理方法，其特征在于，构建甲基化位点对基因的作用关系包括：获取450k甲基化芯片注释文件，该文件包括甲基化位点的名称、甲基化位点的坐标和甲基化位点作用基因；根据甲基化位点的名称、甲基化位点的坐标和甲基化位点作用基因计算基因上游的甲基化位点的甲基化
‑
基因作用得分以及基因区的甲基化位点的甲基化
‑
基因得分；根据计算出的甲基化
‑
基因得分得到甲基化位点对基因的作用关系。4.根据权利要求3所述的一种基于多组学癌症亚型分型的数据处理方法，其特征在于，基因上游的甲基化位点的甲基化
‑
基因作用得分公式为：score＝1+|methsite
‑
start|/width基因区的甲基化位点的甲基化
‑
基因得分公式为：score＝1
‑
|methsite
‑
start|/width其中，methsite指甲基化位点坐标，start指基因转录起始位点坐标，width指基因长度。5.根据权利要求1所述的一种基于多组学癌症亚型分型的数据处理方法，其特征在于，生成对抗网络包括生成器和判别器；其中生成器包括3个反卷积块和一个注意力模块，第...

【专利技术属性】
技术研发人员：马明月，何海斌，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：