[发明专利]一种多组学数据联合分析的方法

权利要求书

1.一种多组学数据联合分析的方法，包括如下步骤：

(A)对待分析的多组学数据中的每个单一组学的指标数据进行共表达网络分析，找到各自的表达模块；

(B)根据步骤(A)得到的不同组学数据各自的表达模块之间的重叠关系，筛选出所述待分析的多组学数据之间显著相关的互作模块；

步骤(B)中，是利用超几何分布检验的方法根据不同组学数据各自的所述表达模块之间的重叠关系，筛选出所述待分析的多组学数据中的互作模块的。

2.根据权利要求1所述的方法，其特征在于：步骤(A)中，是基于聚类方法对所述单一组学的指标数据进行共表达网络分析，从而找到所述单一组学的指标数据的所述表达模块的。

3.根据权利要求1或2所述的方法，其特征在于：步骤(A)中，是按照包括如下步骤的方法对所述单一组学的指标数据进行共表达网络分析，从而找到所述单一组学的指标数据的所述表达模块的：

(a1)计算所述单一组学的指标数据中任意两个指标之间的Pearson相关性系数，得到相关性系数矩阵；

(a2)按照无尺度网络的标准选择邻接矩阵的权重参数β值；

(a3)根据步骤(a2)中得到的β值，计算步骤(a1)中相关性系数矩阵的邻接矩阵；

(a4)用1减去步骤(a3)中的邻接矩阵所得数值作为距离，构建系统聚类树；然后根据混合动态剪切树确定分类模块，即得到所述单一组学的指标数据的所述表达模块。

4.根据权利要求3所述的方法，其特征在于：步骤(a1)中，用于计算任意两个指标之间的Pearson相关性系数的所述单一组学的指标数据为经过预处理后得到预处理后数据。

5.根据权利要求4所述的方法，其特征在于：所述预处理包括删除缺失率高于设定阈值的数据。

6.根据权利要求5所述的方法，其特征在于：所述设定阈值为0.2。

7.根据权利要求3所述的方法，其特征在于：步骤(a2)中，是按照包括如下步骤的方法确定所述β值的：

(i)β值分别取1到30的正整数，分别计算各β值对应的R²值；所述R²值是共表达网络中某节点连接度的对数和该节点出现的概率的对数之间的相关性系数的平方值；

(ii)按照如下确定所述β值：

第一种情况：如果存在所述R²值大于等于0.9，则取第一个出现的所述R²值大于等于0.9时对应的β值；

第二种情况：如果所有的所述R²值都小于0.9，则将所述R²值和所述β值进行局部多项式回归分析，取第一个饱和点的所述R²值对应的β值；

第三种情况：如果不存在满足所述第一种情况和所述第二种情况的β值，则取β值为30。