[发明专利]一种面向基因表达与甲基化数据的融合方法

摘要

本发明公开了一种面向基因表达与甲基化数据的融合方法，先从癌症基因组图谱数据库中获取某癌症的基因表达数据和450K芯片测得的DNA甲基化数据，然后分别对基因表达数据和DNA甲基化数据进行预处理，得到各自的差异基因，然后对两种差异基因求交集，得到交叠基因，最后通过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，从而获得更多数量的全基因组CpG位点。

主权项

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gm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gm：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gm利用如下公式进行综合评估，得到假设检验统计量Z2k2~-2Σm=1kln(gm)]]>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＝(xij)n×p；对矩阵X＝(xij)n×p取对数处理，得到矩阵Yij＝log2xij，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Yij中每一列作t假设检验：以矩阵Yij的每一列为单位，对矩阵Yij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。