[发明专利]一种面向基因表达与甲基化数据的融合方法

权利要求书

1.一种面向基因表达与甲基化数据的融合方法，其特征在于，包括以下步骤：

(1)、数据的获取

从癌症基因组图谱数据库中获取多种癌症的基因表达数据和450K芯片测得的DNA甲基化数据；

(2)、DNA甲基化数据的处理

(2.1)、DNA甲基化数据的预处理：将DNA甲基化数据中存在缺失值的CpG位点删除；

(2.2)、DNA甲基化数据的扩展：利用logistic回归模型对步骤(2.1)处理后的DNA甲基化数据进行了扩展，得到DNA甲基化图谱数据，得到DNA甲基化图谱数据；

(2.3)、单个CpG位点甲基化数据的t假设检验

(2.3.1)、计算t假设检验后的每一个CpG位点的极值概率g_m

设DNA甲基化图谱数据中有n₁个正常样本数据和n₂个癌症样本数据，那么某一个CpG位点p^*在n₁个正常样本数据中的甲基化水平为W₁，其均值为在n₂个癌症样本数据中的甲基化水平为W₂，其均值为对应的正态分布参数分别为和其中，μ₁、μ₂分别表示n₁个正常样本数据的均值和n₂个癌症样本数据的均值，分别表示n₁个正常样本数据的方差和n₂个癌症样本数据的方差；

设两类样本方差相等，即构造假设检验统计量S^*，其中，n为DNA甲基化图谱数据总个数；

给定显著性水平α，求出t假设检验后的每一个CpG位点的极值概率g_m：P{·}表示求极值概率，m＝1,2,…,k，k表示DNA甲基化图谱数据中CpG位点总个数；

(2.3.2)、判断每一个CpG位点是否是差异甲基化位点

如果则该CpG位点p^*在n₁个正常样本数据和n₂个癌症样本数据中存在显著性差异，即判定该CpG位点p^*是差异甲基化位点，依次类推，得到所有的差异甲基化位点；

(2.4)、对所有的DNA甲基化位点进行联合费雪检验

给定显著性水平α₁，同时确定差异甲基化位点在整个基因启动子区的分布情况；

将t假设检验后的每一个CpG位点的极值概率g_m利用如下公式进行综合评估，得到假设检验统计量

将假设检验统计量与α₁比较，如果则判定该基因为差异基因；否则舍去；

(3)、基因表达数据的预处理

(3.1)、缺失值处理

在基因表达数据中，将存在缺失值的基因表达数据删除处理；

(3.2)、数据标准化

设步骤(3.1)处理后的基因表达数据为一n行p列的矩阵，表示为X＝(x_ij)_n×p，x_ij表示矩阵X的元素；

对矩阵X＝(x_ij)_n×p取对数处理，得到矩阵Y_ij＝log₂x_ij，i＝1,2,…,n，j＝1,2,…,p-1；

(3.3)、基因表达数据的特征选择

对矩阵Y_ij中每一列作t假设检验：以矩阵Y_ij的每一列为单位，对矩阵Y_ij中正常样本和癌症样本在每一列的平均数是否相等进行t假设检验，得到差异基因；

(4)、数据融合；

(4.1)、基因表达数据和DNA甲基化数据的融合

将步骤(2)得到的差异基因与通过步骤(3)得到的差异基因取交集，得到交叠基因；

(4.2)、基因通路分析

通过David在线工具对交叠基因的通路进行分析，在显著富集通路里找出与癌症、免疫相关的通路，用于DNA甲基化数据的扩展。