基于高斯混合模型的肿瘤纯度估计

发布时间：2022-12-08 04:09

　　在癌症基因组学研究中,临床所得的肿瘤组织是由癌症和正常细胞组成的混合物,肿瘤不纯会对后续的数据分析产生严重影响。基于DNA甲基化的芯片数据,构造了一种简单的肿瘤纯度估计方法 GmmPurify。首先借助公共正常样本,利用高斯混合模型定义了一个重要的统计量"信息贡献值";然后筛选出具有高信息贡献值的DNA甲基化位点,构成差异甲基化位点集合;最后利用核密度方法估计肿瘤的纯度。将GmmPurify方法应用于9类肿瘤,得到的纯度估值与两类先进方法的结果高度一致。研究结果表明,在与肿瘤样本相匹配的正常样本缺失的情况下,借助公共正常样本,GmmPurify可以给出令人满意的肿瘤纯度估计。 

【文章页数】：5 页

【文章目录】：
1 数据及其处理
2 GmmPurify方法
    2.1 高斯混合模型及应用
    2.2 差异甲基化位点筛选
    2.3 肿瘤纯度估计
3 结果及分析
4 结论


【参考文献】：
期刊论文
[1]基于高斯混合模型的EM算法改进与优化[J]. 王凯南,金立左.  工业控制计算机. 2017(05)
[2]Multimodality Prediction of Chaotic Time Series with Sparse Hard-Cut EM Learning of the Gaussian Process Mixture Model[J]. 周亚同,樊煜,陈子一,孙建成.  Chinese Physics Letters. 2017(05)



本文编号：3713519