1.检测癌症个体病人动态网络生物标志物的多模态优化方法,其特征在于:包括以下步骤:
(1)从个体病人的基因组数据构建个性化基因交互网络PGIN;
(2)设计优化目标函数;
(3)利用多模态进化算法寻找个性化动态网络生物标志物集合PDNBs;
步骤(1)中,构建癌症个体病人的PGIN的方法为:
首先计算肿瘤样本和正常样本中任意两个基因间边的P值,P值基于两个基因的皮尔逊相关系数差的Z分数获得;基因i和j在个体病人k上的皮尔逊相关系数ΔPCCij,k和其Z分数Zij,k可以使用以下公式计算:其中, 是基因i和j在n个参考样本上的PCC, 代表个体病人k的基因i和j在n+1个参考样本上的PCC;P值基于Zij,k的标准正态分布计算出来;当两个基因相互作用的共表达关系在肿瘤样本网络中显着而在正常样本网络中不显着,保留两个基因之间的边缘以构成PGIN,反之亦然;此外,通过将跨癌症类型特定数据的体细胞突变数据整合到PGIN中,计算对PGIN边缘的个性化pPCC进行评分的方法,如下所示:其中,co‑mutation表示共突变,co‑expression表示共表达, 表示病人k样本中基因i和j的个性化皮尔逊系数,Jaccardij表示基因i和j的杰卡德系数,表示基因i和j在个体病人k的肿瘤样本中的皮尔逊相关系数, 表示基因i和j在个体病人k的正常样本中的皮尔逊相关系数,T(i)和T(j)分别是在检查给定癌症数据集中的体细胞突变后存在突变基因i和基因j的肿瘤的集合,D10表示对一组数据进行升序排序后,有10%的数据在D10之下;
步骤(2)中,优化目标函数为:
其中,n代表PGIN中的基因数量,解X=(x1,x2,...,xn)是二进制值决策变量,如果基因i被选入模块中,则xi=1,否则xi=0;pDEin(X)代表PDNB模块内基因间pPCC的标准差;|pPCCin(X)|代表PDNB模块内基因间pPCC的平均值的绝对值;|pPCCout(X)|代表PDNB模块内基因和模块外基因间pPCC的平均值的绝对值;第一个目标函数f1(X)的目标是最小化模块中的基因数量,第二个目标函数f2(X)的目标是使模块的预警信号得分最大化,因为模块的预警信号得分越高,越代表癌症个体患者的关键状态;
步骤(3)中,多模态进化算法为:
(3.1)通过改进的种群初始化算法将PGIN随机划分成种群大小为N的初始种群P0;在原初始化策略增加了奇异解修正策略用于提高初始种群的质量;
(3.2)利用基于决策空间小生境的锦标赛选择策略从当前种群Pt(t=0,1,2...)中选出N/2个父代;
(3.3)用交叉算子产生个数为N的子代Qt,变异算子基于子代Qt产生多模态解,产生新的合并种群Rt=Qt∪Pt;
(3.4)根据环境选择机制从合并种群中选出N个解作为种群Pt+1,作为下一次迭代的种群;
(3.5)输出多个PDNB,直到迭代的终止条件,即满足函数求值的最大数目。
2.根据权利要求1所述的检测癌症个体病人动态网络生物标志物的多模态优化方法,其特征在于:步骤(3.3)中,交叉算子中,首先,从父代中随机选出两个父代Xi和Xj,对于两个父代中决策向量取值相同的变量,他们子代中对应变量的值与两个父代保持一致;对于决策变量取值不相同的情况,计算这些变量的选择概率pn:其中,pn代表决策变量取值为1的概率,M是当前迭代中父代的个数并且当第i个父代X的基因n作为PDNB中的基因,则 否则 如果随机数rand<pn,子代O中对应中的变量设置成1,否则设置成0。
3.根据权利要求2所述的检测癌症个体病人动态网络生物标志物的多模态优化方法,其特征在于:变异算子中,引入了包含奇异解的修正变异策略和添加/删除变异策略的新的变异策略,来处理多模态优化问题。
4.根据权利要求3所述的检测癌症个体病人动态网络生物标志物的多模态优化方法,其特征在于:奇异解修正策略中,首先,需要知道为这些解选择了哪些基因并计算这些基因的度,将度最大的基因作为候选基因;之后,计算与候选基因连接基因的度;最后,选择度最小的基因作为添加的基因,并将其对应的二进制决策变量设置为1;最终,模块中基因的度被加强,模块内基因与模块外的基因的度被削弱。
5.根据权利要求4所述的检测癌症个体病人动态网络生物标志物的多模态优化方法,其特征在于:添加/删除变异策略中,在模块中加入度为1基因可以增加或减少模块的|pPCCout|,同时不改变|pPCCin|和pDEin;同时,删除模块中孤立的基因也可以达到与上述操作相同的效果;此外,添加/删除变异策略可获得多模态解,这些解是不同的模块但具有相同的目标函数值;具体操作如下:首先,计算模块外度为1的基因和模块内孤立基因的边权重pPCC;然后,计算了当前模块的|pPCCout|;最后,以相同的概率执行以下两个操作:一种是分别添加度为1的基因到模块内后,选择能够最小化模块|pPCCout|的基因,并将其对应的二进制变量设置为1;另一种分别删除模块内的孤立基因后,选择能够最小化模块|pPCCout|的基因,并将其相应的二进制变量设置为0。