[发明专利]高维度低样本基因数据筛选及蛋白质网络分析方法及系统有效
申请号: | 201911424402.3 | 申请日: | 2019-12-31 |
公开(公告)号: | CN111192638B | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 章乐;游宇杰;陈渝杰 | 申请(专利权)人: | 四川大学 |
主分类号: | G16B40/00 | 分类号: | G16B40/00;G16B20/00;G16B15/20;G16B45/00 |
代理公司: | 北京市广友专利事务所有限责任公司 11237 | 代理人: | 张仲波 |
地址: | 610044 四*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 维度 样本 基因 数据 筛选 蛋白质 网络分析 方法 系统 | ||
1.一种高维度低样本基因数据筛选及蛋白质网络分析方法,其包括:
步骤1、对原始GBM(多形性胶质母细胞瘤)样本数据进行预处理,获得GBM数据;
步骤2、基于预处理后的所述GBM数据,进行特征提取,所述特征提取包括:首先利用CoxLasso方法筛选协变量,再利用Conditional SIS方法筛选协变量,在此基础上再次使用CoxLasso方法筛选协变量,在筛选出的协变量中添加每个协变量之间的交互项;
步骤3、针对筛选出的添加了交互项的协变量,执行回归分析,获得基因结果;
所述步骤3中,执行回归分析采用以下方式:
其中,X是p维度协变量,β表示通过CoxSisLasso策略和最终选择的协变量的索引指数,xi是第i个个体潜在预测因子的向量;D是事件的一组指数,Rk表示时间tk处于风险中的个体的一组指数;调节参数λ是控制估计量的稀疏性;Θ是增强的选定预测值的集合C0∪C1;其中C0表示所选协变量与lasso的索引,C1表示条件sis保留的协变量,表示所选基因之间交互项;
步骤4、针对所述基因结果,利用T检验,筛选得到最终筛选基因;
步骤5、基于所述最终筛选基因,通过增强相关基因表达、敲除相关基因表达,获得相关蛋白质的含量变化,并计算相关蛋白质的折叠变化值;
所述折叠变化值通过以下方式获取:
其中,FCi是实验组蛋白质和ExPj控制组蛋白质之间的折叠变化值,i代表这两组蛋白质的指数,ExPj和CoPj是用RPPA测定的蛋白质含量,j代表实验的索引,m代表复制数;
步骤6、通过以下方式确定被相关基因促进或抑制的蛋白质:
其中,FCi是实验组蛋白质和ExPj控制组蛋白质之间的折叠变化值。
2.根据权利要求1所述的方法,其特征在于,所述步骤2中,在筛选出的协变量中添加交互项中,由下式得到每个协变量:
并在其中添加协变量之间的交互项,得到新的协变量数据和交互项数据;
其中,Θ是增强的选定预测值的集合C0∪C1,C0表示所选协变量与lasso的索引,C1表示条件sis保留的协变量。
3.根据权利要求1所述的方法,其特征在于,所述步骤6进一步包括,基于确定的被相关基因促进或抑制的蛋白质,获取蛋白质的通路关系,绘制通路图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911424402.3/1.html,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置