[发明专利]基于自适应高斯混合模型的癌症突变簇识别方法

权利要求书

1.一种基于自适应高斯混合模型的癌症突变簇识别方法，其特征在于，实施步骤为：

(1)预处理TCGA数据库提供的体细胞突变数据，构建背景模型；

(2)使用改进的密度峰值聚类方法，初始化参数；

(3)根据初始化值，建立关于突变分布的自适应高斯混合模型，并使用期望最大化(EM)算法，优化突变簇；

(4)通过统计突变簇包含的突变数量，筛选突变簇，得到最终结果。

2.根据权利要求1所述的基于自适应高斯混合模型的癌症突变簇识别方法，其特征在于，预处理TCGA数据库提供的体细胞突变数据并构建背景模型，具体包括：

选择TCGA数据库提供的12种癌症的体细胞突变数据，其中包括错义突变、短插入突变、短删除突变和同义突变等，并根据突变在蛋白质上的位置信息整合为泛癌数据；根据对癌症发展没有选择性增长优势的同义突变构建背景模型，过滤背景噪声。

3.根据权利要求1所述的基于自适应高斯混合模型的癌症突变簇识别方法，其特征在于，使用改进的密度峰值聚类方法并初始化参数，具体包括：

密度峰值聚类方法中的距离阈值的选择决定候选突变簇的数量，提出自适应搜索策略选取距离阈值；根据突变在蛋白质上的位置分布，利用改进的密度峰值聚类方法，得到初步的聚类结果；将聚类的中心作为均值，聚类的跨度作为方差，聚类所包含的突变数量占总突变数量的比例作为权重，为高斯混合模型提供初始化参数。

4.根据权利要求1所述的基于自适应高斯混合模型的癌症突变簇识别方法，其特征在于，根据初始化值建立关于突变分布的自适应高斯混合模型，具体包括：

根据改进的密度峰值聚类方法的初始聚类，构建关于突变分布的高斯混合模型；通过EM算法，迭代计算参数，求解高斯混合模型；分析高斯混合模型得到候选的突变簇。

5.根据权利要求1所述的基于自适应高斯混合模型的癌症突变簇识别方法，其特征在于，通过统计突变簇包含的突变数量，筛选突变簇，具体包括：

统计每个候选突变簇中包含的突变的数量；根据数据的规模和丰富程度，确定阈值，保留突变的数量高于阈值的突变簇作为最终的结果。