电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

基于基因表达数据的癌症分型方法VIP专享VIP免费

基于基因表达数据的癌症分型方法_第1页
基于基因表达数据的癌症分型方法_第2页
基于基因表达数据的癌症分型方法_第3页
浙江大学硕士学位论文基于基因表达数据的癌症分型方法姓名:陈星申请学位级别:硕士专业:生物医学工程指导教师:段会龙20070501浙江大学硕f‘学位论文摘要摘要癌症作为一种重病轻症的疾病,治愈的关键在于如何有效而又准确地及早发现和充分治疗。其中最大的挑战是肿瘤的诊断和精确分型,以区分形态上相似的肿瘤分子亚型,寻找针对病理发生学上一致的肿瘤特异性靶向疗法。基因芯片技术能够快速并行处理大量基因表达,实现多通道、高通量、自动化的数据处理,已被广泛应用于疾病诊断、临床检验等方面。应用基因芯片技术对肿瘤进行诊断和分类,可以在基因表达水平上精确区分肿瘤的分子类型,以更好地预测肿瘤疗效,亦对肿瘤的发生发展机理探讨、肿瘤的早期诊断和分子分型等方面均有重要意义。常规的基因表达数据分类方法将全部样本或者基因作为特征空间。但考虑到在部分样本中发生的某个生物学过程仅涉及到芯片上部分基因,本文采用双向聚类思想,利用与该生物学过程相关的基因簇对样本进行分割,具体内容包括:≯介绍癌症亚型区分的意义和研究现状,着重介绍急性白血病和弥漫性大B细胞淋巴癌两类癌症的亚型。>分析基因芯片的相关知识及其在癌症分型方向上的应用。≯研究基因表达数据的图像处理和数据分析方法,重点研究聚类分析的常规方法。>深入探讨双向聚类方法并对其种类,算法和存在的问题进行分析,在此基础上改进并设计一种基于系统树图的耦合双向聚类算法。》在MATI.AB6.5的平台上,实现此基因表达数据的双向聚类算法。>利用急性白血病和弥漫性大B细胞淋巴癌的基因表达谱数据实验和检验这种聚类算法。实验结果表明,基于系统树图的双向聚类算法能有效地找到特征基因簇。利用这些基因簇分割样本,可以得到与同类算法相比较高的癌症亚型识别率,并有助于发现关键基因和表达模式。关键词:癌症分型,基因表达数据,基因芯片,双向聚类,系统聚类,稳定性子类,急性白血病,弥漫性大B细胞淋巴癌浙江大学硕{¨学位论文ABSTRACTABSTRACTThekeyproblemofcancertreatmentliesOnearlypredictionandfullthempyeffectivelyandaecuratcly.Thechallengehasbeentodistinctpathogcneticaltumortypeswithmorphologicallysimilarappearanceandtargetspecifictherapies.Microarraytechniquemakesitpracticaltoquantitatetheexpressionofthousandsofgenesinparallel,andhasbeenusedindiseasediagnosisandclinicaltest.TheapplicationofgcnemicroarrayintumorpredictionandclassificationisbcneficialtoaccuratelydistincttIImorsonmolecularlevelsforbetterefficacy,aswdlastoprobeintopathogenesis,earlypredictionandmolecularsubtypes.Regularclassificationmethodsofgeneexpressiondatatakeallthegenesorsamplesascharacteristicsanddonotconsiderthatonlypartofgenesiscorrelatedinonebiologicalprocess.Thisthesispresentsabiclusteringalgorithm(Hcrwc)tOsearchmeaningfulgenesi印atureandfindnaturalpartitionsofcancersamples.Thecontentsarelistedbelow:≯Themeaninganddevelopmentoftumorsubtypeclassification,takingacuteleukemia(AL)anddiffuselargeB·celllymphoma(DLBCL)forexample.≯Relevantknowledgeofgenechipsandapplicationintumorclassification.>Theimageprocessinganddataanalysismethodsofgenechips,focusingonclusteringmethods.>ThetypesandlimitationsofbiclusteringandthedesignofHCTWC.>TherealizationofHCTWCbasedonMATI.AB6.0≯TheexperimentandtestofHCTWCinALandDLBCL.Byidentifyingrelevantsubsetsofmicroanaydataandfocusingonthem,itispracticaltodiscoverpartitions,findkeygenesandunderstandexpressionpatternswiththisalgorithm,whichisprovedbytheexperimentresults.KeyWords:tumorclassification,geneexpressiondata,microarray,biclusteringalgorithm,hierarchicalduStering’stablesubtype,ALDLBCL4独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部