胃癌患者的贝叶斯聚类分析

发布时间：2022-12-18 16:50

　　随着医疗水平和计算机运行速度的发展,利用基因序列中的信息完成对癌症患者进行亚型分类的研究成为生物统计的一大热点。在基因水平上对癌症患者进行亚型分类,可以为患者的医疗决策进行辅助,从而达到精准医疗,提高治愈概率,降低医疗成本,因此这无论对于诊断还是医疗都至关重要。然而,基因数据同时还有小样本,高维度,分布不均衡,大量噪音基因等特点,甚至单个相关基因位点对于癌症的相关性也比较微弱以至于许多模型无法准确识别。因此,如何对基因进行特征选择,准确的选出与癌症相关的致病基因,并根据这些基因对样本进行亚型分类,成为亚型分类问题的研究重点。本文主要完成以下工作:（1）通过引入了每个独立患者的样本信息以及与基因相关的信息,将这两者作为协变量,连同基因突变信息一起构建了我们的贝叶斯分层模型,得到了一个将胃癌患者进行亚型分类的分类器;（2）引入潜变量控制参数先验实现特征选择,以M-H算法与Gibbs抽样作为计算工具,实现整个模型的计算机运行,之后采用修正BIC进行模型选择。（3）在进行了模拟实验后,结果良好,并将模型应用于真实数据,得到了相应的结果。 

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题的研究背景
        1.1.1 现状
        1.1.2 致癌因素
    1.2 课题的研究目的
    1.3 数据
第二章 贝叶斯统计知识
    2.1 MCMC有关算法
        2.1.1 Gibbs抽样
        2.1.2 M-H算法
第三章 数学建模
    3.1 建模
    3.2 潜变量
    3.3 亚型的识别问题
    3.4 模型选择
第四章 计算
    4.1 先验分布
    4.2 后验分布
    4.3 关于收敛判定
第五章 模拟
第六章 实例分析
第七章 总结
第八章 附录
    8.1 常用分布简介
    8.2 完整结果
Bibliography



本文编号：3722407