基于网络结构的多组学数据融合关联分析

基于网络结构的多组学数据融合关联分析

论文摘要

现代社会快速发展的同时也带给人们巨大的精神压力。随着医学的进步,精神类疾病逐渐被人们所重视。其中,精神分裂症作为具有遗传性的一种精神类疾病,因其病因不明,临床表现复杂而受到研究者们的关注。随着机器学习和基因测序等相关技术的大热,众多研究者将重点转移到机器学习的相关方法和生物医学中的组学数据相结合,进而得到研究者们所需的信息。本文采用的基于网络结构的多组学数据融合关联分析算法对fMRI数据(functional Magnetic Resonance Imaging,功能性磁共振成像)、SNP(Single Nucleotide Polymorphism,单核苷酸多态性)、DNA-methy(DNA methylation,DNA甲基化)这三类组学数据进行计算分析。首先,在对数据标准化等预处理之后,我们构建网络结构模型对样本数据进行一个结构的建模,针对每一类数据都建立相应的相似性矩阵,然后利用以交叉扩散过程为核心算法对样本对进行加强强相关,减弱弱相关的操作,将每一类数据融合成最终的统一数据矩阵,从这个统一矩阵元素中选择出强相关的样本对,进而对其进行具体关联的分析,最终根据对应的SNP位点、fRMI体素信息等找到潜在的精神分裂症的生物标识物和其相关例如潜在发病脑区等信息。相比于其他使用线性融合等的方法,本文采取的是非线性信息融合的方法,对先验信息要求低,并且不需要对每一类数据做权重的分配。通过模拟数据集和真实数据集的验证,在相同的参数条件下,三类组学数据的大部分融合样本相似度比两类组学数据相应的融合样本相似度高,并且在寻找相关疾病的潜在发病生物标识物时,三类组学数据最终分析结果比两类组学数据分析结果多,侧面论证第三类组学数据的加入对数据的融合有一定的补充和完善,从而在医学上分析相关疾病提供一定的帮助。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景及其意义
  •   1.2 国内外研究现状
  •   1.3 当前研究的优势与不足
  •   1.4 论文整体内容及安排
  • 第二章 网络结构,随机森林和交叉扩散过程
  •   2.1 引言
  •   2.2 网络结构模型
  •     2.2.1 图的概念及性质
  •     2.2.2 复杂网络及其性质
  •     2.2.3 无标度网络
  •     2.2.4 小世界网络
  •   2.3 随机森林
  •     2.3.1 决策树
  •     2.3.2 随机森林的算法与性质
  •   2.4 交叉扩散过程
  •   2.5 本章小结
  • 第三章 基于网络结构的多组学数据融合关联分析算法
  •   3.1 引言
  •   3.2 网络模型的构建
  •   3.3 网络融合
  •   3.4 融合网络的关联分析
  •   3.5 算法分析
  •     3.5.1 算法收敛性分析
  •     3.5.2 算法性能及复杂度分析
  •   3.6 本章小结
  • 第四章 实验结果及其分析
  •   4.1 引言
  •   4.2 实验环境与参数设置
  •   4.3 模拟数据实验结果及分析
  •     4.3.1 模拟数据详情
  •     4.3.2 模拟数据实验结果及分析
  •   4.4 真实数据实验结果及分析
  •     4.4.1 真实数据详情
  •     4.4.2 真实数据实验结果及分析
  •   4.5 本章小结
  • 总结与展望
  • 参考文献
  • 攻读硕士学位期间取得的研究成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 常琪

    导师: 茹锋

    关键词: 网络结构,数据融合,交叉扩散,多组学数据

    来源: 长安大学

    年度: 2019

    分类: 基础科学,医药卫生科技

    专业: 数学,精神病学

    单位: 长安大学

    分类号: O157.5;R749.3

    总页数: 67

    文件大小: 4207K

    下载量: 119

    相关论文文献

    • [1].加快推进大数据融合共享开放提升社会治理和公共服务能力[J]. 山西农经 2020(05)
    • [2].大数据融合背景下广播电视编辑的转变及发展[J]. 中国传媒科技 2020(02)
    • [3].大数据融合视角下广播电视编辑的现状及发展趋势[J]. 卫星电视与宽带多媒体 2020(03)
    • [4].大数据融合背景下广播电视编辑的发展趋势[J]. 西部广播电视 2020(08)
    • [5].船用物联网中的统计大数据融合管理体系分析[J]. 舰船科学技术 2020(14)
    • [6].高校智慧校园数据融合应用研究[J]. 教育现代化 2018(11)
    • [7].省市级天地图数据融合关键技术分析[J]. 环球人文地理 2017(09)
    • [8].释放大数据潜能,数据融合先行[J]. 电脑知识与技术(经验技巧) 2017(05)
    • [9].2017年度“天地图·上海”数据融合项目顺利通过国家局检查验收[J]. 城市勘测 2017(06)
    • [10].关于营配数据融合实现模式的分析与探讨[J]. 中国电业(技术版) 2015(05)
    • [11].桥梁结构健康监测的数据融合框架[J]. 防灾减灾工程学报 2008(03)
    • [12].多规合一的内涵与数据融合的实现[J]. 国土与自然资源研究 2019(02)
    • [13].“智慧法院”数据融合分析与集成应用[J]. 大数据 2019(03)
    • [14].图书馆多源大数据融合研究:问题与挑战[J]. 新世纪图书馆 2017(01)
    • [15].海面风场融合技术研究进展[J]. 电子测试 2016(07)
    • [16].混合数据融合背景下无线通信系统的定位算法[J]. 中国新通信 2019(07)
    • [17].电网大数据跨行业数据融合交互途径研究[J]. 机电信息 2018(03)
    • [18].一种新型的数据融合系统[J]. 信息与电脑(理论版) 2016(07)
    • [19].船联网环境下舰船传感通信大数据融合调度算法[J]. 舰船科学技术 2020(02)
    • [20].学习支持服务中数据融合探析[J]. 科技经济导刊 2018(14)
    • [21].大数据时代数据融合质量的评价模型[J]. 统计与决策 2018(21)
    • [22].论面向数据融合计算的动画角色处理平台[J]. 艺术科技 2016(04)
    • [23].视频与物联网大数据融合分析应用平台[J]. 数字技术与应用 2020(08)
    • [24].“天地图·贵州”数据与地理国情普查数据融合技术——以毕节市为例[J]. 居业 2018(04)
    • [25].食品安全数据融合的实现路径——数据编码[J]. 食品安全导刊 2018(31)
    • [26].基于海量数据融合的设备状态评价方法[J]. 组合机床与自动化加工技术 2017(05)
    • [27].船联网中的大数据融合管理体系研究[J]. 舰船科学技术 2016(08)
    • [28].云时代的数据融合创新[J]. 信息与电脑(理论版) 2015(19)
    • [29].基于高校学生用户多数据融合的智慧校园分析模型[J]. 电子测试 2020(17)
    • [30].工程大数据融合模型在公路品质工程创建中的应用实践[J]. 公路交通科技(应用技术版) 2019(04)

    标签:;  ;  ;  ;  

    基于网络结构的多组学数据融合关联分析
    下载Doc文档

    猜你喜欢