[发明专利]一种用于质谱流式数据挖掘的网络分析方法

权利要求书

1.一种用于质谱流式数据挖掘的网络分析方法，其特征在于，样本分组和细胞簇间DA网络的构建。

2.如权利要求1所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，利用从样本中提取的特征将所有样本分为不同的子组，并为每个子组构建所有细胞簇的DA网络。

3.如权利要求1所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，将所有样本的细胞划分为不同的细胞簇，同时提取簇中相应的细胞丰度直方图作为每个样本的特征。

4.如权利要求1所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，利用部分互信息量化细胞簇间的交互作用强度。

5.如权利要求2所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，所述DA网络，每个节点代表一个细胞簇，每条边表示两个细胞簇之间的交互作用，边的权重表示交互强度。

6.如权利要求2所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，所述DA网络由Cytoscape软件可视化。

7.如权利要求1所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，包括如下步骤：

步骤1、细胞聚类；

步骤2、样本分组；

步骤3、DA网络的构建。

8.如权利要求7所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1、所有的SLE数据都被一个反双曲正弦(arcsinh)函数标准化；

步骤1.2、采用完全无监督的Monocle 2算法来完成细胞聚类，从每个样本中选取一定数量的细胞，并将这些选取的细胞合并成一个整体的细胞数据；

步骤1.3、应用Monocle 2算法将聚合后的细胞进一步划分为不同的细胞簇，计算所有剩余细胞与每个细胞簇中心点之间的距离，将剩余细胞分配到距离最近的细胞簇中。

9.如权利要求7所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1、从高维数据结构中提取每个样本的有效特征，并将每个样本重新描述为可计算、可操作的数据；

步骤2.2、利用地球移动距离(earth mover’s distance,EMD)计算所有样本两两之间的距离矩阵，然后以这个矩阵为输入，利用层次聚类算法对样本进行分组。

10.如权利要求7所述的用于质谱流式数据挖掘的网络分析方法，其特征在于，所述步骤3包括如下步骤：

步骤3.1、量化两个细胞簇之间的直接关联，并构建所有簇-簇交互作用的全局DA网络；

步骤3.2、所述DA网络反映了细胞簇之间的直接交互作用，弱化了间接交互作用；

步骤3.3、基于网络中的异常交互模式描绘发病机理，而不是简单的某一细胞簇的异常表达。