欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201710355340X
申请人: 浙江工业大学
专利类型:发明专利
专利状态:未下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于数据流聚类的癌症亚型精准发现与演化分析方法,其特征在于:包括以下步骤:(a)基因表达数据流的初始化

对数据流的维度信息进行分析,并确定相似度距离计算方法;建立基因数据流对象的网格单元,并将数据按窗口投入网格中实现初始化;构建非均匀衰减模型,确定在线过程中数据流的非均匀衰减参数和网格密度信息更新方法;

(b)基因表达数据流在线实时聚类

将每个到达的数据点投入与之相对应的网格单元中,并在线维护网格;到达指定时间节点时,根据网格的密度信息对稀疏网格进行删除;

(c)基因表达数据流离线精准聚类

将网格视作自带密度信息的虚拟数据点,采用基于密度-距离分布的聚类方法对这些虚拟的数据点进行聚类,根据被确定的聚类中心点的密度信息对其他数据点进行快速的聚类划分,最终输出聚类结果;

(d)类簇演化迁移分析

将不同时间节点下的离线聚类结果按时间顺序进行保存,用以分析各个类簇随时间的变化情况,即基因表达数据的演化分析。

2.如权利要求1所述的一种基于数据流聚类的癌症亚型精准发现与演化分析方法,其特征在于:所述步骤(d)中,对于样本类簇的演化分析包括两方面的内容:一是对同一个类簇随时间的迁移变化情况进行分析,它反映了某一癌症亚型在一段时间内的自身属性结构变化;二是研究不同类簇之间的关联性随时间发生的变化,它表示在治疗过程中不同癌症亚型之间相互影响及转化关系的具体情况。;结合亚型演化的生物学意义,建立一个基于癌症亚型基因表达数据的动态调控时序网络模型,用以进一步分析亚型之间的转化情况和相互联系。

3.如权利要求1或2所述的一种基于数据流聚类的癌症亚型精准发现与演化分析方法,其特征在于:所述步骤(a)中,取基因数据流的初始数据流入在线聚类框架,建立首批在线网格,同时确立网格在线衰减模型的过程;网格的初始化包括确定每维属性的划分粒度、建立初始化网格和确定衰减模型参数。

4.如权利要求1或2所述的一种基于数据流聚类的癌症亚型精准发现与演化分析方法,其特征在于:所述步骤(b)中,采用非均匀衰减模型,根据当前时刻流入的数据的分散程度,使用不同的衰减系数λ对流入的数据进行衰减;

设数据流在tp时刻流入的数据点落在n个网格内,此时系统存在密度不为0的网格总数为N,则定义该时刻下数据的分散程度为:ω=n/N   (4)

可得ω∈(0,1],ω的大小可以反映当前时刻流入数据的分布集中程度;设数据流流入网格后,所有网格的密度均值为Dave,现设定参数μ,令:其中,Sm表示所有密集网格的集合,Sp表示所有稀疏网格的集合,μ为阈值;

在非均匀衰减模型中,对于任意网格den,该网格从稀疏网格变为密集网格的最小时间为:其中,λhigh为最大衰减系数,Dbd表示用于划分网格是否为高密度网格的网格阈值参数,根据公式(6)计算出的单位检测时间是在有效监控数据流实时变化的前提下的最大间隔时间;

采用最低权值检测机制,最低权值的阈值设定如下:

其中,t0表示网格的创建时间,tc表示当前时间;是一个随时间t变化的递增函数。λlow是最小衰减系数,此处将其作为最低权值阈值计算的一个参数;可以得到,当tc=t0时,值为0;且 说明网格存在时间越长,其期望权值就越高;若在t时刻,网格的密度小于 则从当前角度来看,该稀疏网格不大可能成长为密集网格,故将其删除。

5.如权利要求1或2所述的一种基于数据流聚类的癌症亚型精准发现与演化分析方法,其特征在于:所述步骤(c)中,利用选取置信区间的方式在与拟合曲线相应的正态分布曲线中寻找出奇异点的信息,此处奇异点表示落在置信区间以外的点,即是聚类的聚类中心,奇异点的个数代表了聚类中心的个数。采用正态曲线拟合并划定置信区间的方法自动确定聚类中心的个数,根据确定的聚类中心,将其余的点按密度快速划分一次扫描完成聚类,最终输出聚类结果。