基于癌症scRNA-seq数据的基因表达差异分布模型研究

发布时间：2023-05-13 15:18

　　单细胞测序技术的发展产生了大量有价值的数据,其中最典型的就是单细胞RNA测序(single-cell RNA-sequencing,scRNA-seq)数据,对这些数据的分析可以识别未知的细胞亚型、研究肿瘤内的异质性、筛选肿瘤标志物等,进而为研究癌症的发生发展过程和临床诊断提供依据。研究人员针对scRNA-seq数据的研究提出了很多分析方法,其中也包括一些对scRNA-seq基因表达数据的分布进行研究的方法,但尚未有研究基因表达差异数据分布的方法。本文以scRNA-seq的基因表达差异数据为出发点,观察各阶段数据的整体分布形状,并根据各阶段数据的分布特征提出相应的分布模型。通过分布模型的参数,可以揭示肿瘤细胞间的异质性。此外,根据预先给定的阈值,本文提出的分布模型可以识别与肿瘤发生发展过程高度相关的基因。从分布的角度研究scRNA-seq数据,可以为临床研究肿瘤的发生发展过程提供依据。本文主要工作如下:(1)以慢性髓系白血病(chronic myeloid leukemia,CML)为例,将其scRNA-seq数据按不同患者不同阶段进行分组,并将各组数据与参考态数据作差得到相应的基因表...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 行文结构
第二章 stable分布
    2.1 stable分布概述
        2.1.1 stable分布定义
        2.1.2 不同参数系表征
    2.2 stable分布的概率密度函数
        2.2.1 直接数值积分法
        2.2.2 基于FFT的计算方法
    2.3 参数估计
    2.4 本章小结
第三章 基于sc RNA-seq基因表达差异数据的LSED模型
    3.1 数据与方法
        3.1.1 数据来源与处理
        3.1.2 LSED模型
    3.2 结果分析
        3.2.1 基因表达差异数据分析
        3.2.2 模型参数估计与拟合效果分析
        3.2.3 模型参数与基因表达水平的联系
    3.3 本章小结
第四章 基于sc RNA-seq基因表达差异数据的混合分布模型
    4.1 数据与方法
        4.1.1 数据来源与处理
        4.1.2 MSND模型
        4.1.3 MSED模型
    4.2 MSND模型的结果分析
        4.2.1 模型参数估计与拟合效果分析
        4.2.2 模型参数与肿瘤细胞的联系
        4.2.3 筛选肿瘤相关的基因
    4.3 MSED模型的结果分析
        4.3.1 MSED模型的参数估计与分析
        4.3.2 MSND模型与MSED模型的比较
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
附录1:各组基因表达差异数据的描述性统计结果
附录2:LSED模型的参数估计结果
附录3:MSND模型与MSED模型的参数估计结果
附录4:EPI组 vs.IMM组在未过滤、过滤低表达数据的GSEA结果
附录5:MSED模型与LSED模型的RMSE比较
附录6:作者在攻读硕士学位期间发表的论文



本文编号：3816080