肿瘤异质性研究的非负矩阵分解模型

摘要

癌症是一类由于细胞分裂和凋亡机制失常而导致的疾病，经常表现为恶性肿瘤。肿瘤异质性是恶性肿瘤的特征之一，由于无法全面解析它的亚克隆结构，加上治疗后容易产生抗药性和发生转移，给治疗提出极大的挑战。DNA甲基化作为DNA分子的表观遗传修饰，被认为是肿瘤和其它人类疾病发生的原因。通过DNA甲基化估计肿瘤内部各个亚群的比例有助于了解肿瘤的发展过程，并能提出合理的个体化用药和治疗方案。
　　本研究介绍了肿瘤纯度估计和差异甲基化分析的若干计算方法。分别利用TCGA数据库中不同类型的分子数据建立了基于非负矩阵分解和二次规划的肿瘤异质性分解的如下几个计算模型：基于DNA甲基化的肿瘤异质性分解模型；基于基因表达的肿瘤异质性分解模型；联合DNA甲基化基因表达的肿瘤异质性分解模型。数据模拟发现，我们的方法可以成功地估计出肿瘤内部各个亚群的比例，并且基于多数据整合的模型相对于单个数据类型具有更高的准确度。作为一个特例，我们的方法对于肿瘤纯度（设定肿瘤亚群落数量为2）的估计也与InfiniumPurify，ABSOLUTE，ESTIMATE等方法具有非常好的一致性。

目录

第一章 绪论

1.1 差异甲基化分析和肿瘤细胞纯度估计概述

1.2 肿瘤异质性概述

1.3 本文结构安排

第二章 差异甲基化分析和肿瘤细胞纯度估计

2.1 差异甲基化分析的方法和工具

2.2 基于 DNA 甲基化数据的肿瘤纯度估计

2.3 本章小结

第三章 基于二次规划迭代的非负矩阵分解

3.1 矩阵迹的定义、性质

3.2 非负矩阵分解

3.3 本章小结

第四章 基于 TCGA 的 DNA 甲基化和基因表达数据的肿瘤异质性模型

4.1 研究背景和数据材料

4.2 基于甲基化肿瘤异质性研究模型与结果

4.3 基于基因表达肿瘤异质性研究模型与结果

4.4 基于甲基化-基因表达肿瘤异质性研究模型与结果

4.5 本章小结

第五章 结论与展望

5.1 本文结论

5.2 课题展望

参考文献

攻读学位期间取得的研究成果

致谢

声明